探索引用表达式计数中的上下文属性密度

引用表达式计数（REC）算法旨在实现跨越多种细粒度文本表达的更灵活和交互式计数能力。然而，对细粒度属性理解的要求对现有方法构成挑战，因为它们难以准确地将属性信息与正确的视觉模式对齐。鉴于''视觉密度''已被证明的重要性，人们认为当前REC方法的局限性源于对''上下文属性密度''（CAD）的探索不足。在REC的范围内，我们将CAD定义为某一细粒度属性在视觉区域中的信息强度的度量。为建模CAD，我们提出一个U形CAD估计器，其中引用表达式和来自GroundingDINO的多尺度视觉特征可以相互作用。通过额外的密度监督，我们可以有效编码CAD，随后通过带有CAD细化查询的新型注意力过程进行解码。整合所有这些贡献，我们的框架显著优于最先进的REC方法，在计数指标上实现$30\%$的误差降低，在定位精度上提升$10\%$。这些令人惊讶的结果揭示了上下文属性密度对REC的重要性。代码将发布于 github.com/Xu3XiWang/CAD-GD。