基于固定点方法的统一提示基计数

现有的类无关计数模型通常依赖单一类型的提示，例如盒子注释。 本文旨在建立一个能够生成由各种提示类型（如盒子、点和文本）指示的目标对象密度图的全面提示计数框架。 为实现此目标，我们首先将来自不同模态的提示转换为无需训练的提示掩码。然后将这些掩码整合到类无关计数方法中，用于预测密度图。此外，我们引入了沿固定点的推断及其相关的损失函数，以提高计数精度，所有操作均不引入新的参数。该方法的有效性在理论和实验上都得到了验证。此外，实施了对比训练方案以缓解当前类无关计数数据集中固有的偏差，我们的消融研究确认了这一策略的有效性。该模型在著名的类无关数据集上表现出色，并在跨数据集适应任务中显示出优异性能。