OpenInst:一种基于查询的开放世界实例分割简单方法
计算机视觉与模式识别
2023-03-29 v1
摘要
开放世界实例分割因其在自动驾驶、机器人感知和遥感等许多实际应用中的重要性而近期受到广泛关注。然而,以往方法要么产生不尽人意的结果,要么依赖于复杂的系统与范式。我们思考是否存在一种简单的方法以获得最先进的结果。幸运的是,我们发现了两个有助于兼顾两方面的观察:1)在开放世界实例分割中,基于查询的方法优于基于密集提议的方法;2)学习定位线索对于开放世界实例分割已足够。基于这些观察,我们提出一种名为OpenInst的基于查询的简单方法用于开放世界实例分割。OpenInst利用QueryInst等先进基于查询的方法,并专注于学习定位线索。值得注意的是,OpenInst是一个极为简单直接的框架,无任何辅助模块或后处理,却在多个基准上取得了最先进的结果。具体而言,在COCOUVO场景下,OpenInst取得了53.3的掩码AR,以更简单的结构比先前最佳方法高出2.0 AR。我们希望OpenInst能作为该领域未来研究的坚实基线。
引用
@article{arxiv.2303.15859,
title = {OpenInst: A Simple Query-Based Method for Open-World Instance Segmentation},
author = {Cheng Wang and Guoli Wang and Qian Zhang and Peng Guo and Wenyu Liu and Xinggang Wang},
journal= {arXiv preprint arXiv:2303.15859},
year = {2023}
}