视觉如何模型统一？牛津大学Shuyang Sun博士论文《迈向统一视觉感知》全面阐述

文章预览

来自牛津大学 Shuyang (Kevin) Sun博士论文 《Towards Unified Visual Perception 》 值得关注！探讨统一视觉感知系统的构建。 Shuyang (Kevin) Sun 牛津大学Torr视觉组的DPhil（博士）学生，导师为Philip Torr教授和Victor Prisacariu教授。曾在悉尼大学SIGMA实验室攻读硕士学位，师从Ouyang Wanli教授。有幸与谷歌研究院的Weijun Wang和Liang-Chieh Chen，Intel ISL的Vladlen Koltun、Philipp Krähenbühl和René Ranftl紧密合作。于2016年在中国武汉大学获得软件工程学士学位。目前，他的研究重点是构建具有统一感知的综合视觉系统。 https://kevin-ssy.github.io/ 本论文通过利用视觉Transformer（Vision Transformers, ViTs）的能力，探索计算机视觉中视觉感知的前沿领域，旨在创建一个统一的框架来应对跨任务和跨粒度的挑战 。我们从人类视觉系统在不同细节层次处理视觉信息的能力以及Transformer在自然语言处理（NLP ………………………………