Core Concepts
Query-guided Prototype Evolution Network (QPENet) integrates query features to create customized prototypes for improved few-shot segmentation.
Abstract
新しい方法であるQuery-guided Prototype Evolution Network(QPENet)は、クエリ機能を統合してカスタマイズされたプロトタイプを作成し、few-shotセグメンテーションを向上させます。これにより、サポート画像からのプロトタイプ生成だけでなく、クエリの特定要件も考慮されます。このアプローチは、PASCAL-5iおよびCOCO-20iデータセットで優れた性能を発揮しました。
Stats
PASCAL-5iデータセットとCOCO-20iデータセットでの平均クラスmIoUがそれぞれ65.2%と67.4%で最高記録を達成。
COCO-20iデータセットにおいて、1-shot設定で平均クラスmIoUが42.3%から47.2%に向上。
Quotes
"Current FSS methods predominantly employ an episodic training paradigm, empowering the network with the ability to learn to segment a novel class from just a handful of support images."
"QPENet integrates the features of both support and query into prototype generation, allowing for the creation of customized prototypes tailored to the needs of different query images."
"Our model excels in delivering state-of-the-art performance in the domain of FSS on two widely adopted datasets."