如何评价FAIR提出的MaskFormer，在语义分割ADE20K上达到SOTA：55.6 mIoU？ 第1页
1
xiaohuzc 网友的相关建议:
之前大部分的语义分割都是用pixel classification，这篇工作的创新之处是看成了一个instance mask prediction，思路挺新奇的。
一点额外想说的是，语义分割本身是没有instance区分的，标注也没有区分instance，那么如果看成instance mask预测的话，就只能简单地根据类别生成K个不同的mask，即各个类别的mask，这里也不区分类内的instance。这个instance mask prediction中的instance就是相对同一类的了，预测的mask也是固定为K，此时N queries其实也可以简化为K queries。
如果再往前的话，K queries可以固定为每个类别的queries，那么训练的loss就可以变成简单的K个sigmoid loss，即区分图像中是不是含有这个类别。每个类别的query和全局特征结合得到该类别的mask prediction。和论文里面说的fixed match基本类似。
而论文提出的方案更通用化，毕竟可以用于全景分割上。
1
相关话题
2019年NeurIPS有哪些糟糕的论文？如何评价旷视开源的YOLOX，效果超过YOLOv5?
如何理解 Swin Transformer 和 Vision Transformer不同任务上的差异？
2021年，作为算法工程师的你们会在CV业务落地上用Transformer吗？
如何评价Hinton在加拿大多伦多大学关于用“capsule”作为下一代CNN的演讲？
如何客观评价科大讯飞这家公司？
如果阿尔法狗教人类下棋，会比人类围棋师傅要厉害么？
使用强化学习解决实际问题时常常避不开环境模拟或者使用离线强化学习算法，两者分别有什么优缺点？
九零后都不愿意进工厂当工人了，工厂以后该如何发展呢？
如何理解Inductive bias？
相关的话题
如何看待阿里巴巴提出的 FashionAI 比赛？深度学习在信息安全的应用有哪些可以关注的人或论文？
土木和机器学习/深度学习/算法的交叉岗位在哪里找呀？ 在哪找都找不到招聘公司?
写深度学习代码是先写model还是dataset还是train呢，有个一般化的顺序吗？
如何看待A.O.史密斯AI-LINK全联全控智能物联？会对生活产生哪些影响？
为什么现在不看好 CV 方向了呢?
2020年，多标签学习（multi-label）有了哪些新的进展？
什么是大模型？超大模型？Foundation Model？
如何看待“AI计算机视觉需求”推动了CIS传感器（CMOS Sensor）的快速迭代和市场增量？
如何看待2019暴雪嘉年华现场Serral 1:4 败给AlphaStar？
历史上由于技术进步而被淘汰的职业，都是如何处理失业率、社会稳定 与 再就业问题的？
Evidential deep learning里一般怎么估计多标签分类的Uncertainty？
如何看待Tensor Comprehensions？与TVM有何异同？
中国人工智能图像识别技术的开创者是谁？
2019 秋招的 AI 岗位竞争激烈吗？
现在的BERT等语言模型，最快训练要多久？
如何评价高晓松对 Master (AlphaGo) 战胜人类顶尖高手看法？
如何看待旷视科技新产品监视学生上课？
大家对人工智能医疗怎么看？人工智能医疗应该着重往那个方向发展比较好？
如何看待人工智能领域的很多专家认为「人工智能将对人类存亡造成威胁」的观点？
如果将来想要造一个三次元人工智能美少女，需不需要很多生物知识？
当前深度学习理论基础薄弱是否意味着我们应该放弃深度学习应用(计算机视觉、自然语言处理)？
如何评价谷歌提出的 Pix2Seq：将目标检测看成语言建模，效果超过 DETR？
如果百年后深度学习最终有了公认的数学理论作为基础，能解释实验中的各类玄学，那这个理论会长什么样子？
如何评价微软新出的自拍软件 Microsoft Selfie？
能否使用神经网络来判断奇偶数？
有哪些比较好的机器学习、数据挖掘、计算机视觉的订阅号、微博或者是论坛？
你觉得我国存在真正的知识型工作吗？
一个人能否实现自己转动螺旋桨从而上天？实现需要什么条件？
这一波人工智能泡沫将会怎么破灭？