基于细粒度提示的细粒度开放词汇目标检测：任务、数据集与基准

开放词汇检测器被提出用于定位和识别新类的目标。然而，变异的视觉感知语言词汇数据用于开放词汇学习可能导致不公平且不可靠的评估。最近的评估方法尝试通过包含目标属性或添加位置和特征来解决此问题。然而，由于这些属性和位置依赖于图像的特定细节而非类别，检测器在没有通过人工注释提供精确描述的情况下无法进行准确预测。本文引入了3F-OVD，即一种将受监督的细粒度目标检测扩展到开放词汇设置的新任务。我们的任务直观且具有挑战性，需要对细粒度描述和对图像中细粒度细节的深入理解才能准确检测细粒�目标。此外，由于缺乏合格的细粒度目标检测数据集，我们创建了一个新的数据集NEU-171K，针对监督和开放词汇设置。我们对最先进的目标检测器在数据集上进行基准测试，针对两个设置。 Furthermore, we propose a simple yet effective post-processing technique。