CompetitiveTransformer：用于3D实例分割的竞争变换器
计算机视觉与模式识别
2025-01-06 v3
摘要
变换器方法已成为3D实例分割的主导方法。这些方法通过实例查询预测实例掩码，并依据分类置信度和IoU分数对其进行排序，以选择顶部预测作为最终结果。然而，人们注意到当前模型使用的查询数量固定且高于场景中实例的数量。在此情况下，多个查询会预测相同的实例，但最终仅优化单个查询。较低层解码器中查询的相近分数使得占主导地位的查询难以快速区分自身，从而损害了模型的准确性和收敛效率。这种现象被称为查询间竞争。为解决这一挑战，我们提出了一系列即插即用的竞争导向设计，统称为CompetitiveTransformer（竞争变换器），旨在减少竞争并促进主导查询的生成。实验表明，将我们的设计集成到最先进的框架中后，在多个数据集上 consistently 均实现了在3D实例分割中的显著性能提升。
引用
@article{arxiv.2411.14179,
title = {CompetitorFormer: Competitor Transformer for 3D Instance Segmentation},
author = {Duanchu Wang and Jing Liu and Haoran Gong and Yinghui Quan and Di Wang},
journal= {arXiv preprint arXiv:2411.14179},
year = {2025}
}