T-Rex：通过视觉提示进行计数
计算机视觉与模式识别
2023-11-23 v1
摘要
我们介绍 T-Rex，一种交互式对象计数模型，旨在先检测然后计数任意对象。我们将对象计数表述为集成视觉提示的开集目标检测任务。用户可通过在参考图像上标记点或框来指定感兴趣的对象，T-Rex 随后检测所有具有相似模式的对象。在 T-Rex 视觉反馈的引导下，用户也可通过对漏检或误检对象进行提示来交互式地优化计数结果。T-Rex 在多个类无关计数基准上取得了最先进的性能。为进一步挖掘其潜力，我们建立了一个涵盖多样场景与挑战的新计数基准。定量与定性结果均表明，T-Rex 具备卓越的零样本计数能力。我们还展示了 T-Rex 的多种实际应用场景，阐明其在视觉提示领域的潜力。
引用
@article{arxiv.2311.13596,
title = {T-Rex: Counting by Visual Prompting},
author = {Qing Jiang and Feng Li and Tianhe Ren and Shilong Liu and Zhaoyang Zeng and Kent Yu and Lei Zhang},
journal= {arXiv preprint arXiv:2311.13596},
year = {2023}
}
备注
Technical report. Work in progress