ᵀᵉʳⁿᵘᵃ-优快云博客

原创【小样本分割】PGMA-Net：Visual and Textual Prior Guided Mask Assemblefor Few-Shot Segmentation and Beyond

提出了一个视觉和文本先验引导的掩码组装网络（PGMA-Net）。它采用一种类别无关的掩码组装过程来减轻这种偏差，并通过亲和力以统一的方式将不同的任务组合在一起。具体来说，首先将类别相关的文本和视觉特征转换为概率图形式的类别无关先验。然后引入了一个先验引导(class-agnostic prior)的掩码组装模块（PGMAM），包括多个通用组装单元（GAU）。它考虑了多种多样且即插即用的交互作用，如视觉-文本、图像间和图像内、无需训练以及高层次交互等。

2024-12-05 13:51:03 1338 1

原创【小样本分割】FPTrans：Feature-Proxy Transformer for Few-Shot Segmentation

作者通过对近期进展的重新思考，发现当前的FSS框架已经偏离了监督分割框架：给定深度特征后，FSS方法通常使用复杂的解码器执行复杂的像素级匹配，而监督分割方法则使用简单的线性分类头。论文使用的方法则为“特征提取器+线性分类头”的直接框架，并提出了一种新的特征代理转换器(FPTrans)方法，其中的“代理”是线性分类头中表示语义类的向量。1）为了更好地利用有限的支持样例，特征提取器使查询与支持特征从底层到顶层交互，使用一种新颖的提示策略。

2024-11-28 18:34:23 1172

原创【小样本分割】VAT：Cost Aggregation Is All You Need for Few-Shot Segmentation

与HSNet类似，采用的是直接对相似度矩阵进行编码、解码操作的架构。该论文主要是由Pyramidal Transformer Encoder、Affinity-aware Transformer Decoder构成，需要一点预备的swin transformer的知识。

2024-11-14 11:20:59 1001

原创【小样本分割】HSNet：Hypercorrelation Squeeze for Few-Shot Segmentation

使用预训练的骨干网络提取网络特征，特征金字塔结构使用4D卷积压缩，然后经过融合后，通过解码器输出结果。最核心的就是使用4D卷积来压缩特征，文中使用的是Center-pivot 4D convolution（中心-枢轴4D卷积），其实就是将4D卷积拆分成两个2D卷积再合并。公式1为标准的4D卷积，公式2为2D卷积，公式3、4则是论文中使用的中心4D卷积以及其优化。

2024-11-08 16:52:00 924

原创【小样本分割】PFENet++: Boosting Few-shot SemanticSegmentation with the Noise-filtered Context-aware Prior

基于原作者自己提出的PFENet进行修改，主要是利用了更多的上下文信息生成更高质量的先验掩码。PFENet。

2024-11-01 18:33:31 996

原创【小样本分割】PFENet:Prior Guided Feature Enrichment Network forFew-Shot Segmentation

一篇经典的关于小样本语义分割方向的论文，主要创新点:包含：1）一种无需训练的先验掩码生成方法；2）一个多尺度特征融合模块FEM解决的问题：对训练类别中高层语义信息（high-level semantic information）的不恰当使用，以及查询和支持的目标不一致性。先验掩码通过计算支持图像和查询图像特征之间的相似度来生成，它的主要目的是引导查询图像中的特征关注支持图像中的目标区域，类似于一种“注意力机制”。

2024-10-26 16:42:57 1400

qq_51964221的博客

原创【小样本分割】PGMA-Net：Visual and Textual Prior Guided Mask Assemblefor Few-Shot Segmentation and Beyond

原创【小样本分割】FPTrans：Feature-Proxy Transformer for Few-Shot Segmentation

原创【小样本分割】VAT：Cost Aggregation Is All You Need for Few-Shot Segmentation

原创【小样本分割】HSNet：Hypercorrelation Squeeze for Few-Shot Segmentation

原创【小样本分割】PFENet++: Boosting Few-shot SemanticSegmentation with the Noise-filtered Context-aware Prior

原创【小样本分割】PFENet:Prior Guided Feature Enrichment Network forFew-Shot Segmentation

空空如也

空空如也

原创 【小样本分割】PGMA-Net：Visual and Textual Prior Guided Mask Assemblefor Few-Shot Segmentation and Beyond

原创 【小样本分割】FPTrans：Feature-Proxy Transformer for Few-Shot Segmentation

原创 【小样本分割】VAT：Cost Aggregation Is All You Need for Few-Shot Segmentation

原创 【小样本分割】HSNet：Hypercorrelation Squeeze for Few-Shot Segmentation

原创 【小样本分割】PFENet++: Boosting Few-shot SemanticSegmentation with the Noise-filtered Context-aware Prior

原创 【小样本分割】PFENet:Prior Guided Feature Enrichment Network forFew-Shot Segmentation

空空如也

空空如也

原创【小样本分割】PGMA-Net：Visual and Textual Prior Guided Mask Assemblefor Few-Shot Segmentation and Beyond

原创【小样本分割】FPTrans：Feature-Proxy Transformer for Few-Shot Segmentation

原创【小样本分割】VAT：Cost Aggregation Is All You Need for Few-Shot Segmentation

原创【小样本分割】HSNet：Hypercorrelation Squeeze for Few-Shot Segmentation

原创【小样本分割】PFENet++: Boosting Few-shot SemanticSegmentation with the Noise-filtered Context-aware Prior

原创【小样本分割】PFENet:Prior Guided Feature Enrichment Network forFew-Shot Segmentation