CVPR 2024｜无监督目标分割新SOTA！SPOT：序列置换的自回归Transformers

文章预览

↑ 点击 蓝字  关注极市平台 作者丨seven_ 来源丨将门创投 编辑丨极市平台 极市导读   本文基于序列置换策略和自训练蒸馏两大创新构建一种高效的目标分割框架SPOT，SPOT可以改善基于slot注意力的自动编码器在复杂真实场景下的目标分割性能。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 以目标为中心的深度学习方法（Object-Centric）需要 将所见场景解析为可解释的目标实体，其中每个实体可以称为slot，表现形式通常为目标分割 ，作为计算机视觉领域中的一个重要任务，目标分割能够为目标跟踪、场景理解等高级视觉任务提供支持。为了摆脱需要大量标注数据的监督学习方法，近期的工作都聚焦于提升基于slot的无监督方法的性能。 本文介绍一篇发表在CVPR 2024上的论文，本文的研究团队来自雅典理工学院和valeo.ai等单位 。本文深入分析了 ………………………………