LGF$$^2$$: Local and Global Feature Fusion for Text-Guided Object Detection

计算机科学 人工智能 模态(人机交互) 特征(语言学) 对象(语法) 目标检测 图像(数学) 判决 过程(计算) 模式识别(心理学) 图像融合 计算机视觉 机器学习 自然语言处理 语言学 哲学 操作系统
作者
Shuyu Miao,Hexiang Zheng,Lin Zheng,Jin Hong
出处
期刊:Lecture Notes in Computer Science 卷期号:: 124-135
标识
DOI:10.1007/978-3-031-44195-0_11
摘要

A baby can successfully learn to identify objects in an image with the corresponding text description provided by their parents. This learning process leverages the multimodal information of both the image and text. However, classical object detection approaches only utilize the image modality to distinguish objects, neglecting the text modality. While many Vision-Language Models have been explored in the object detection task, they often require large amounts of pre-training data and can only specify a particular model structure. In this paper, we propose a lightweight and generic Local and Global Feature Fusion (LGF $$^2$$ ) framework for text-guided object detection to enhance the performance of image modality detection models. Our adaptive text-image fusion module is designed to learn optimal fusion rules between image and text features. Additionally, we introduce a word-level contrastive loss to guide the local-focused fusion of multimodal features and a sentence-level alignment loss to drive the global consistent fusion of multimodal features. Our paradigm is highly adaptable and can be easily embedded into existing image-based object detection models without any extra modification. We conduct extensive experiments on two multimodal detection datasets, and the results demonstrate that our LGF $$^2$$ significantly improves their performance.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
setmefree发布了新的文献求助10
刚刚
刚刚
柯孜完成签到,获得积分10
1秒前
贾不可发布了新的文献求助10
1秒前
liujiawei完成签到 ,获得积分20
1秒前
香蕉觅云应助gujianhua采纳,获得10
2秒前
2秒前
鄂海菡完成签到,获得积分10
4秒前
4秒前
fncs发布了新的文献求助30
4秒前
li锂狸完成签到,获得积分10
6秒前
7秒前
科研通AI2S应助Daniel采纳,获得10
7秒前
8秒前
8秒前
研友_n2B1qn完成签到,获得积分10
8秒前
平常的白筠完成签到,获得积分10
10秒前
11秒前
雪碧发布了新的文献求助10
12秒前
13秒前
16秒前
Luchy完成签到,获得积分10
17秒前
gujianhua发布了新的文献求助10
17秒前
刘欢发布了新的文献求助10
17秒前
汉堡包应助科研通管家采纳,获得10
17秒前
17秒前
fifteen发布了新的文献求助10
17秒前
传奇3应助科研通管家采纳,获得10
17秒前
科研通AI2S应助科研通管家采纳,获得10
17秒前
亾丄应助科研通管家采纳,获得20
17秒前
Hello应助科研通管家采纳,获得10
17秒前
852应助科研通管家采纳,获得10
18秒前
顾矜应助科研通管家采纳,获得10
18秒前
Lucas应助科研通管家采纳,获得10
18秒前
斯文败类应助科研通管家采纳,获得10
18秒前
CipherSage应助科研通管家采纳,获得10
18秒前
研友_VZG7GZ应助科研通管家采纳,获得10
18秒前
英俊的铭应助科研通管家采纳,获得10
18秒前
JamesPei应助科研通管家采纳,获得10
18秒前
山哥发布了新的文献求助10
18秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3141001
求助须知:如何正确求助?哪些是违规求助? 2791912
关于积分的说明 7800960
捐赠科研通 2448184
什么是DOI,文献DOI怎么找? 1302459
科研通“疑难数据库(出版商)”最低求助积分说明 626588
版权声明 601226