【他山之石】ECCV 2024 | UniFS：基于点表示的通用少样本实例感知

文章预览

“ 他 山 之 石 ， 可 以 攻 玉 ” ， 站 在 巨 人 的 肩 膀 才 能 看 得 更 高 ， 走 得 更 远 。 在 科 研 的 道 路 上 ， 更 需 借 助 东 风 才 能 更 快 前 行 。 为 此 ， 我 们 特 别 搜 集 整 理 了 一 些 实 用 的 代 码 链 接 ， 数 据 集 ， 软 件 ， 编 程 技 巧 等 ， 开 辟 “ 他 山 之 石 ” 专 栏 ， 助 你 乘 风 破 浪 ， 一 路 奋 勇 向 前 ， 敬 请 关 注 ！ 摘要 · 看点 实例感知任务（如目标检测、实例分割、姿态估计、计数）在视觉模型的工业应用中起着关键作用。由于监督学习方法存在高标注成本的问题，能够从有限标注样本中有效学习的少样本学习方法备受学界和工业界期待。然而，由于不同视觉任务的表示方式不同，现有的少样本学习方法主要专注于单一任务。在本文中，我们提出了UniFS，这是一种通用的少样本实例感知模型，通过将各种实例 ………………………………