基于前景引导与多层特征融合的Transformer无监督目标发现
计算机视觉与模式识别
2022-10-25 v1
摘要
随着预训练Transformer特征的应用，无监督目标发现(UOD)近期取得了令人鼓舞的进展。然而，当前基于Transformer的方法主要集中于设计定位头(例如种子选择-扩展与归一化割)，忽视了改进Transformer特征的重要性。本文从特征增强的角度处理UOD任务，提出了一种用于无监督目标发现的前景引导与多层特征融合方法，称为FORMULA。首先，我们提出一种利用现成UOD检测器的前景引导策略，在特征图上突出前景区域，并以迭代方式细化目标位置。此外，为解决目标检测中的尺度变化问题，我们设计了一个多层特征融合模块，聚合响应不同尺度目标的特征。在VOC07、VOC12和COCO 20k上的实验表明，所提出的FORMULA在无监督目标发现上取得了新的SOTA结果。代码将发布于https://github.com/VDIGPKU/FORMULA。
引用
@article{arxiv.2210.13053,
title = {Foreground Guidance and Multi-Layer Feature Fusion for Unsupervised Object Discovery with Transformers},
author = {Zhiwei Lin and Zengyu Yang and Yongtao Wang},
journal= {arXiv preprint arXiv:2210.13053},
year = {2022}
}
备注
Accepted in WACV 2023