点击注意:点击区域相似性引导的交互式细分
Long Xu1, Yongquan Chen2, Shanghong Li2
1Shenzhen Institute of Artificial Intelligence and Robotics for Society, The Chinese University of Hong Kong, Shenzhen, 518172, China; Guangxi Medical University, Nanning, 530021, China.
概括
本研究介绍了一种用于交互式图像细分的新点击注意力算法. 该方法增强了积极的点击影响,减少了干扰,以更少的参数实现了卓越的性能.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 图像处理 图像处理
背景情况:
- 交互式细分依赖于用户点击,但当前的方法在本地关注和效率方面扎.
- 现有的算法通常需要多次点击,并且在平衡性能和计算成本方面面临挑战.
研究的目的:
- 开发一个高效的交互式细分算法,扩大点击影响并最大限度地减少干扰.
- 与最先进的方法相比,提高细分精度和减少参数数量.
主要方法:
- 提出了一个点击注意力算法,利用区域相似性来扩大积极点击影响.
- 引入了歧视性亲和力损失,以分离正和负点击注意力,防止准确性损失.
- 在DAVIS数据集上评估了该方法.
主要成果:
- 在DAVIS数据集上比SimpleClick-ViT-L实现了2%的性能增长 (NoC@90).
- 将参数使用量减少到最先进的方法中仅为15.6%.
- 与现有的交互式细分技术相比,证明了更高的性能和效率.
结论:
- 提出的点击注意力算法在交互式细分中提供了最先进的性能,参数显著减少.
- 该方法有效地解决了现有方法的局限性,提供了更高效,更准确的解决方案.
- 发布的数据和代码有助于进一步研究和应用图像细分.
