FastInst：一种用于实时实例分割的简洁基于查询的模型
计算机视觉与模式识别
2023-04-04 v2
摘要
近期实例分割领域的关注集中于基于查询的模型。尽管这些模型无需非极大值抑制(NMS)且为端到端，但其在高精度实时基准上的优势尚未得到充分展示。本文中，我们展示了基于查询的模型在高效实例分割算法设计上的强大潜力。我们提出FastInst，一个简洁、高效的用于实时实例分割的基于查询的框架。FastInst能以实时速度(即32.5 FPS)运行，同时在COCO test-dev上取得超过40(即40.5 AP)的AP，且无任何附加技巧。具体而言，FastInst遵循近期提出的Mask2Former的元架构。其关键设计包括实例激活引导查询、双路径更新策略以及真值掩码引导学习，这些使我们能够使用更轻量的像素解码器、更少的Transformer解码器层，同时取得更优性能。实验表明，FastInst在速度与精度上均优于大多数最先进的实时同类方法，包括强大的全卷积基线。代码见 https://github.com/junjiehe96/FastInst 。
引用
@article{arxiv.2303.08594,
title = {FastInst: A Simple Query-Based Model for Real-Time Instance Segmentation},
author = {Junjie He and Pengyu Li and Yifeng Geng and Xuansong Xie},
journal= {arXiv preprint arXiv:2303.08594},
year = {2023}
}
备注
CVPR 2023