【LaVG：两阶段的开放词汇的语义方法】

文章预览

在论文《In Defense of Lazy Visual Grounding for Open-Vocabulary Semantic Segmentation》中，作者介绍了一种名为“Lazy Visual Grounding (LaVG)”的方法，用于处理开放词汇的语义分割任务。这种方法是一个两阶段的过程，首先通过无监督的对象掩码发现，然后进行对象定位。 具体来说，LaVG方法首先使用迭代的归一化割(Normalized cuts)算法来发现覆盖图像的对象掩码。这一步骤不涉及文本信息，完全基于视觉任务来区分视觉对象。接着，在晚些时候将文本分配给发现的对象，这是一种后期交互的方式。该模型不需要额外的训练，但在五个公共数据集上表现出色：Pascal VOC、Pascal Context、COCO-object、COCO-stuff和ADE 20K。特别是，视觉上吸引人的分割结果展示了模型精确定位对象的能力。 LaVG方法的关键贡献可以总结为： • 提出了LaVG，它首先发现对象，然后在后期交互中为对象分 ………………………………