NeurIPS'24｜VL-SAM：北大出品，完全无训练的开放式检测分割模型

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！ 本文介绍了北大研究团队提出的VL-SAM模型，这是一个完全无训练的开放式检测分割模型，通过结合视觉-语言模型和Segment-Anything模型，使用注意力图作为提示来解决开放式物体检测和分割任务，在长尾实例分割数据集和边缘案例物体检测数据集上表现出良好的性能。 论文: Training-Free Open-Ended Object Detection and Segmentation via Attention as Prompts 论文地址： https://arxiv.org/abs/2410.05963 创新点 提出了一个无 ………………………………