用于少样本分类和分割的高效遮罩注意力转换器
计算机视觉与模式识别
2026-02-04 v1 人工智能
摘要
少样本分类和分割 (FS-CS) 旨在使用有限的标注样本同时完成多标签分类和多类分割。尽管当前的最先进方法 (SOTA) 在两项任务中均取得了高准确率，但在处理小目标方面仍存在困难。为此，我们提出了高效遮罩注意力转换器 (EMAT)，以提高分类和分割精度，尤其是针对小目标。EMAT 引入了三项修改：一种新颖的高效遮罩注意力机制、可学习的下采样策略以及参数效率的提升。EMAT 在 PASCAL-5^i 和 COCO-20^i 数据集上超越了所有 FS-CS 方法，所需参数数量至少减少了四倍。此外，鉴于当前 FS-CS 评估设置会丢弃可用的标注信息（这些标注收集成本高昂），我们引入了两个新的评估设置，考虑这些标注以更贴近实际场景。
引用
@article{arxiv.2507.23642,
title = {Efficient Masked Attention Transformer for Few-Shot Classification and Segmentation},
author = {Dustin Carrión-Ojeda and Stefan Roth and Simone Schaub-Meyer},
journal= {arXiv preprint arXiv:2507.23642},
year = {2026}
}
备注
Accepted for GCPR 2025. Project page: https://visinf.github.io/emat