Nov, 2023

T-Rex：通过视觉提示进行计数

PDF
TL;DRT-Rex 是一个交互式的物体计数模型，通过视觉提示将物体计数形式化为开放集物体检测任务，可通过标记参考图像上的点或框来指定感兴趣的物体，然后检测具有相似模式的所有物体，并通过 T-Rex 的视觉反馈进行交互式地修正计数结果。该模型在全面的场景和挑战下展现出优异的零样例物体计数能力，且在视觉提示领域具有潜在的实际应用场景。
t-rexobject countingopen-set object detectionvisual promptszero-shot counting
发现论文，激发创造
  • T-Rex2：通过文本 - 视觉提示协同实现通用物体检测

    我们提出了 T-Rex2，这是一个高度实用的模型，用于开放集目标检测，通过对比学习，T-Rex2 结合了文本提示和视觉提示的优势，在不同场景中能够展示出卓越的零样本目标检测能力。

    Mar, 2024

  • 交互式无类别物体计数

    我们提出了一个新颖的互动式无类别对象计数框架，其中人类用户可以交互地提供反馈以提高计数器的准确性。我们的框架包括两个主要组成部分：一个用户友好的可视化工具来收集反馈，以及一个高效的机制来整合它。

    Sep, 2023

  • CounTR: 基于 Transformer 的通用视觉计数

    本研究提出了 Counting Transformer (CounTR) 用于实现对任意语义类别的目标进行计数，并采用两阶段的训练策略进行无监督预训练和有监督微调，通过综合评估获得了当前最先进的零样本和少样本计数结果，并使用大规模计数基准进行了彻底的消融研究。

    Aug, 2022

  • 一种统一的基于提示的计数的定点方法

    该研究论文介绍了一种基于提示的计数框架，能够生成关注对象的密度图，并采用固定点推理和对比训练来提高计数准确性。

    Mar, 2024

  • 机械手中的物体计数

    基于对比学习的计数分类器是一种简单而有效的方法，在面对机器人手指和物体造成的显著遮挡挑战时进行目标计数，该方法在模拟和实际环境中验证后，在三种常见形状物体（球体、圆柱体和立方体）上能达到 96% 以上的准确率。

    Apr, 2024

  • AFreeCA：无需标注的全能计数

    利用文本到图像的潜在扩散模型 (LDMs)，本研究介绍了一种无监督的排序方法，通过借助生成的计数数据，对任意类型的对象进行可靠计数，该方法优于其他无监督和少样本方法，不受特定对象类别计数数据的限制。

    Mar, 2024

  • 学习数数

    该研究针对视觉物体计数问题，提出了一种基于少样本回归任务的方法，同时也介绍了一种新的适应策略和数据集以供模型训练和评估，并证明该方法在性能上优于现有的物体识别和计数方法。

    Apr, 2021

  • 基于提示的免训练物体计数

    本文提出了一种基于分割思想的无需训练数据的物体计数方法，该方法避免了传统依赖昂贵标注数据的物体计数问题，所提出的先验引导掩码产生方法为计数精度提供了帮助，同时还可以应用于任意形状物体的计数.

    Jun, 2023

  • 可解释的视觉问答计数

    采用序列决策过程将计数视为挑选特定对象的离散选择，从而得到可以解释的输出。该方法在评估计数的多项度量标准上优于当前最先进的视觉问答框架。

    Dec, 2017

  • 少样本物体计数和检测

    本文提出了一种新的两阶段训练策略和一种新的基于不确定性感知的少样本对象检测器：Counting-DETR，用于解决少样本目标计数和检测问题，并在两个新数据集上验证了其性能优于强基线模型。

    Jul, 2022