【源头活水】ECCV 2024 | 让AI更懂物理世界！人大、北邮等联合提出多模态分割新方法

文章预览

“ 问 渠 那 得 清 如 许 ， 为 有 源 头 活 水 来 ” ， 通 过 前 沿 领 域 知 识 的 学 习 ， 从 其 他 研 究 领 域 得 到 启 发 ， 对 研 究 问 题 的 本 质 有 更 清 晰 的 认 识 和 理 解 ， 是 自 我 提 高 的 不 竭 源 泉 。 为 此 ， 我 们 特 别 精 选 论 文 阅 读 笔 记 ， 开 辟 “ 源 头 活 水 ” 专 栏 ， 帮 助 你 广 泛 而 深 入 的 阅 读 科 研 文 献 ， 敬 请 关 注！ 论文标题： Ref-AVS: Refer and Segment Objects in Audio-Visual Scenes 论文链接： https://arxiv.org/abs/2407.10957 代码链接： https://gewu-lab.github.io/Ref-AVS/ 举个例子，在下面这张图中，机器如何准确定位真正在演奏乐器的人？ 搞单打独斗肯定不行，但这正是已有研究正在做的（各自从视觉、文本和音频线索的角度出发）： 视频对象分割（VOS，Video Object Segmentation）： 通常以第一帧中的对象掩码作为参考，指导后续 ………………………………