推理视频对象分割（ReasonVOS）是一项新的任务，它使用隐式文本查询生成分割掩码。这需要复杂的推理和世界知识。在这个工作中，我们提出一个新的任务：基于世界知识的视频对象分割。这项任务的主要挑战在于，它需要...

SFPNet是一种新方法，旨在实现对不同类型的LiDAR技术的泛化。该方法采用稀疏焦点调制技术，而非传统的窗口注意力机制，从而实现了对多级上下文的提取和动态聚合。这一全新的处理方式，使得SFPNet在LiDAR语义分割领域...

近日，一种名为OVFormer的新方法在开放词汇视频实例分割（VIS）领域引起了广泛关注。该方法解决了该领域的关键问题，改善了嵌入对齐，并利用基于视频的训练来提高时间一致性。OVFormer的核心优势在于它的开放性词汇...

PTQ4SAM是一个新的框架，旨在减少大规模Segment Anything Model（SAM）的内存和计算需求。SAM是一个全新的大规模模型，但其大规模的特性也使得其在实际应用中面临着严峻的挑战，尤其是在内存和计算资源上的需求。而P...

无监督SAM（UnSAM）是一种新型的全图像分割模型，它消除了对人工注释的需求。UnSAM通过结合自上而下和自下而上的聚类方法，识别视觉场景中的层次结构，采用一种分而治之的方法。在复杂的视觉场景中，这种方法可以更...

为满足对详细3D数据的日益增长的需求，研究人员推出了Point-SAM，这是一种基于变革者的3D分割模型。这个模型将大大提高3D数据处理的效率和精度。与传统的3D分割技术相比，Point-SAM能够提供更精细的数据，从而更好地...

子对象标记化为视觉模型理解图像开辟了新的途径。不同于将图像划分为固定的方形片段，采用子对象标记化的模型会从有意义的段落，例如物体的部分来观察图像。这种新的视觉模型理解方式，相比传统的划分方案，可能更加...

一种新的语义和空间适应性（SSA）分类器被引入，以解决语义分割中的局限性。这种创新方法利用粗糙的掩码来指导原型的调整，从而增强细粒度识别并明确掩码边界。SSA分类器通过结合语义和空间信息，使得模型在处理复杂...