VLT: Vision-Language Transformer and Query Generation for Referring Segmentation

计算机科学 变压器 人工智能 分割 自然语言处理 随机性 语言模型 数学 量子力学 统计 物理 电压
作者
Henghui Ding,Chang Liu,Suchen Wang,Xudong Jiang
出处
期刊:IEEE Transactions on Pattern Analysis and Machine Intelligence [IEEE Computer Society]
卷期号:45 (6): 7900-7916 被引量:66
标识
DOI:10.1109/tpami.2022.3217852
摘要

We propose a Vision-Language Transformer (VLT) framework for referring segmentation to facilitate deep interactions among multi-modal information and enhance the holistic understanding to vision-language features. There are different ways to understand the dynamic emphasis of a language expression, especially when interacting with the image. However, the learned queries in existing transformer works are fixed after training, which cannot cope with the randomness and huge diversity of the language expressions. To address this issue, we propose a Query Generation Module, which dynamically produces multiple sets of input-specific queries to represent the diverse comprehensions of language expression. To find the best among these diverse comprehensions, so as to generate a better mask, we propose a Query Balance Module to selectively fuse the corresponding responses of the set of queries. Furthermore, to enhance the model's ability in dealing with diverse language expressions, we consider inter-sample learning to explicitly endow the model with knowledge of understanding different language expressions to the same object. We introduce masked contrastive learning to narrow down the features of different expressions for the same target object while distinguishing the features of different objects. The proposed approach is lightweight and achieves new state-of-the-art referring segmentation results consistently on five datasets.

科研通智能强力驱动
Strongly Powered by AbleSci AI
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
完美世界应助Yang采纳,获得10
4秒前
一斤欠半完成签到 ,获得积分10
4秒前
大力牌皮揣子完成签到 ,获得积分10
8秒前
9秒前
chenxilulu完成签到,获得积分10
12秒前
clam发布了新的文献求助10
13秒前
Yang完成签到,获得积分10
13秒前
眼睛大樱桃完成签到,获得积分10
14秒前
等待的三问完成签到 ,获得积分10
17秒前
科研通AI6.2应助勿念采纳,获得10
18秒前
科研临床两手抓完成签到 ,获得积分0
19秒前
破碎时间完成签到 ,获得积分10
20秒前
Tonald Yang完成签到 ,获得积分20
21秒前
米九完成签到 ,获得积分10
21秒前
大脸鲤完成签到 ,获得积分10
22秒前
23秒前
xuyudi完成签到 ,获得积分10
24秒前
决明子完成签到 ,获得积分10
26秒前
patrickzhao完成签到,获得积分10
26秒前
淡淡醉波wuliao完成签到,获得积分10
27秒前
有kj发布了新的文献求助10
28秒前
友好雨文完成签到 ,获得积分10
30秒前
30秒前
早日退休完成签到,获得积分10
30秒前
缓慢的含海完成签到 ,获得积分10
31秒前
czz完成签到 ,获得积分10
31秒前
丫丫完成签到 ,获得积分10
35秒前
SuperTao发布了新的文献求助10
36秒前
桐桐应助长情爆米花采纳,获得10
36秒前
38秒前
lx应助科研通管家采纳,获得10
38秒前
yyds完成签到,获得积分0
41秒前
天真南松完成签到,获得积分10
41秒前
芭乐王子完成签到 ,获得积分10
43秒前
研友_VZG7GZ应助姜丝罐罐n采纳,获得10
45秒前
昏睡的静丹完成签到,获得积分10
45秒前
hoy完成签到 ,获得积分10
46秒前
46秒前
pick_up完成签到,获得积分10
49秒前
研友_24789完成签到,获得积分10
51秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
PowerCascade: A Synthetic Dataset for Cascading Failure Analysis in Power Systems 2000
Metallurgy at high pressures and high temperatures 2000
An Introduction to Medicinal Chemistry 第六版习题答案 600
应急管理理论与实践 530
Cleopatra : A Reference Guide to Her Life and Works 500
Fundamentals of Strain Psychology 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6339929
求助须知:如何正确求助?哪些是违规求助? 8155055
关于积分的说明 17136002
捐赠科研通 5395691
什么是DOI,文献DOI怎么找? 2858829
邀请新用户注册赠送积分活动 1836580
关于科研通互助平台的介绍 1686875