超越边界框：掩码引导的时空特征聚合用于视频目标检测
高能物理 - 实验
2025-04-23 v2 宇宙学与河外天体物理
摘要
视频目标检测（VOD）中的主要挑战是有效利用时间信息来增强目标表示。传统策略，如聚合区域提议，往往因包含背景信息而遭受特征方差的影响。我们提出一种新颖的基于实例掩码的特征聚合方法，显著优化了这一过程，并加深了对视频帧中目标动态的理解。我们提出 FAIM，一种新的 VOD 方法，通过利用实例掩码特征来增强时间特征聚合。特别地，我们提出轻量级实例特征提取模块（IFEM）来学习实例掩码特征，以及时序实例分类聚合模块（TICAM）来跨视频帧聚合实例掩码和分类特征。以 YOLOX 作为基础检测器，FAIM 在单块 2080Ti GPU 上以 33 FPS 在 ImageNet VID 数据集上达到 87.9% mAP，为速度-精度权衡设立了新基准。在多个数据集上的额外实验验证了我们的方法具有鲁棒性、方法无关性，并在多目标跟踪中有效，展示了其对视频理解任务的更广泛应用性。
引用
@article{arxiv.2412.04916,
title = {Dark Matter Annual Modulation Analysis with Combined Nuclear and Electron Recoil Channels},
author = {TEXONO Collaboration and H. B. Li and M. K. Pandey and C. H. Leung and L. Singh and H. T. Wong and H. -C. Chi and M. Deniz and Greeshma C. and J. -W. Chen and H. C. Hsu and S. Karadag and S. Karmakar and V. Kumar and J. Li and F. K. Lin and S. T. Lin and C. -P. Liu and S. K. Liu and H. Ma and D. K. Mishra and K. Saraswat and V. Sharma and M. K. Singh and M. K. Singh and V. Singh and D. Tanabe and J. S. Wang and C. -P. Wu and L. T. Yang and C. H. Yeh and Q. Yue},
journal= {arXiv preprint arXiv:2412.04916},
year = {2025}
}
备注
8 pages, 6 figures, 2 tables