FViG：学习灵活对象的自注意力

现有计算机视觉方法主要关注刚性物体的识别，而灵活物体的识别尚未得到探索。识别灵活物体面临诸多挑战，包括其固有的形状和尺寸多样性、半透明属性、边界模糊以及细微的类别差异。在本文中，我们认为这些问题主要源于缺乏物体注意力。为此，我们提出灵活视觉图神经网络（FViG），以优化自注意力，从而提高灵活物体表征的辨识度。具体而言，我们一方面通过提取相邻节点权重来最大化通道注意力，从而适应灵活物体的形状和尺寸变化；另一方面基于聚类最大化空间注意力，以聚合邻域信息以获得质心节点，从而为表征学习引入局部上下文信息。为全面验证灵活物体识别性能，我们首次提出灵活数据集（FDA），包含来自真实场景或网络收集的多样灵活物体图像。在我们的灵活数据集上进行的大量实验表明，我们的方法在增强灵活物体辨识度方面有效。