面向首届 VCL 挑战赛多任务鲁棒性赛道的密集视觉预测通用多任务框架方案
计算机视觉与模式识别
2024-02-28 v1
摘要
在本报告中，我们介绍了针对 ICCV 2023 研讨会首届视觉持续学习（VCL）挑战赛多任务鲁棒性赛道的解决方案。我们提出了一种名为 UniNet 的通用框架，将各种视觉感知算法无缝整合到一个多任务模型中。具体而言，我们分别选用 DETR3D、Mask2Former 和 BinsFormer 来处理 3D 目标检测、实例分割和深度估计任务。最终提交的模型采用 InternImage-L 主干网络，在 SHIFT 验证集上取得了 49.6 的综合得分（29.5 Det mAP、80.3 mTPS、46.4 Seg mAP 和 7.93 silog）。此外，我们在实验中提供了一些有趣的观察结果，可能有助于密集视觉预测中多任务学习的发展。
引用
@article{arxiv.2402.17319,
title = {A Vanilla Multi-Task Framework for Dense Visual Prediction Solution to 1st VCL Challenge -- Multi-Task Robustness Track},
author = {Zehui Chen and Qiuchen Wang and Zhenyu Li and Jiaming Liu and Shanghang Zhang and Feng Zhao},
journal= {arXiv preprint arXiv:2402.17319},
year = {2024}
}
备注
Technical Report