Generalisierte Kategorieentdeckung

Effizienter Rahmen für die verallgemeinerte Kategorieentdeckung mit räumlicher Prompt-Abstimmung

SPTNet ist ein zweistufiges iteratives Lernframework, das sowohl Modellparameter (d.h. Modell-Finetuning) als auch Datenparameter (d.h. Prompt-Lernen) optimiert, um die Leistung bei der generalisierten Kategorieentdeckung zu verbessern. Darüber hinaus schlagen wir eine neuartige Methode zur räumlichen Prompt-Abstimmung (SPT) vor, die die räumlichen Eigenschaften von Bilddaten berücksichtigt, um die Methode auf Objektteile zu fokussieren, die zwischen bekannten und unbekannten Klassen übertragen werden können.

Effizienter Rahmen für die verallgemeinerte Kategorieentdeckung mit räumlicher Prompt-Abstimmung

Textuelle Wissensverarbeitung für eine verbesserte visuelle Klassifizierung unbekannter Kategorien