기술 주변기기 일체 포함 CVPR 2024 | 복잡한 장면과 언어 표현 처리에 능숙한 Tsinghua & Bosch는 새로운 인스턴스 분할 네트워크 아키텍처 MagNet을 제안했습니다.

CVPR 2024 | 복잡한 장면과 언어 표현 처리에 능숙한 Tsinghua & Bosch는 새로운 인스턴스 분할 네트워크 아키텍처 MagNet을 제안했습니다.

Apr 26, 2024 pm 06:10 PM
프로젝트 참조 분할

CVPR 2024 | 擅长处理复杂场景和语言表达,清华&博世提出全新实例分割网络架构MagNet

AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com

Referring Image Segmentation(RIS)은 미세한 인간 언어와 시각적 이미지 정보를 동시에 이해하고, 참조된 개체를 이미지에서 분류하는 알고리즘이 필요한 매우 어려운 다중 모드 작업입니다. 픽셀 수준. RIS 기술의 획기적인 발전은 인간-컴퓨터 상호작용, 이미지 편집, 자율주행 등 다양한 분야에서 획기적인 변화를 가져올 것으로 예상됩니다. 이는 인간-기계 협업의 효율성과 경험을 크게 향상시킬 수 있습니다. 현재의 최신 RIS 알고리즘은 상당한 발전을 이루었지만 여전히 양식 격차 문제, 즉 이미지와 텍스트 특징의 분포가 완전히 일치하지 않는 문제에 직면해 있습니다. 이 문제는 복잡한 참조 언어 표현과 희귀한 문맥을 다룰 때 특히 심각합니다.

CVPR 2024 | 擅长处理复杂场景和语言表达,清华&博世提出全新实例分割网络架构MagNet

그림 1: RIS에 대한 세분화된 언어-이미지 정렬 기능의 중요성을 보여주는 개략도. 빨간색 마스크는 현재 가장 발전된 RIS 알고리즘 중 하나인 LAVT의 예측 결과이고, 노란색 점선 상자는 올바른 주석입니다.

현재 RIS 연구는 주로 새로운 손실 기능을 설계하거나 혁신적인 네트워크 아키텍처/모듈을 도입하여 언어-이미지 분포 정렬을 향상시키는 데 중점을 두고 있습니다. 상당한 진전에도 불구하고 세분화된 시각적 기반이 부적절하다는 두 가지 근본적인 문제가 여전히 있습니다.

1 이러한 방법은 주로 문장 수준에 의존합니다. 언어 기능은 언어-이미지 정렬을 수행하므로 결과적으로 약합니다. 텍스트 수준의 언어-이미지 정렬 기능.
2. 이러한 방법은 훈련 과정에서 명시적인 감독 신호가 부족한 경우가 많으며 모델이 세분화된 정렬을 수행하도록 효과적으로 가르칠 수 없기 때문에 복잡한 참조 언어 처리 성능이 저하됩니다. 법 그림 2: 기존 알고리즘의 단점

CVPR 2024 | 擅长处理复杂场景和语言表达,清华&博世提出全新实例分割网络架构MagNet

최근 CVPR 2024 작업에서 칭화 대학교 자동화학과와 보쉬 중앙 연구소의 공동 연구팀은 새로운 보조 작업 마스크 접지를 설계했습니다. . 이 작업의 목표는 텍스트 단어의 일부를 무작위로 마스킹하고 알고리즘이 실제 신원을 예측하도록 학습하여 텍스트와 시각적 개체 간의 세밀한 대응 관계를 학습하도록 모델을 명시적으로 가르치는 것입니다. 또한 언어와 이미지 사이의 격차를 더욱 포괄적으로 줄이기 위해 새로운 교차 모드 정렬 모듈과 새로운 교차 모드 정렬 손실 기능(Cross-modal Alignment Loss)도 제안했습니다. 이러한 기술을 기반으로 새로운 인스턴스 분할 네트워크 아키텍처인 MagNet(마스크 접지 네트워크)을 설계했습니다.

논문 제목: Mask Grounding for Refering Image Segmentation

CVPR 2024 | 擅长处理复杂场景和语言表达,清华&博世提出全新实例分割网络架构MagNet

논문 주소: https://arxiv.org/abs/2312.12198
  • RefCOCO에서는 RefCOCO + andG -참조 켜기 데이터 세트에서 MagNet은 이전의 모든 최적 알고리즘을 크게 능가하여 전체 교차점-노조 비율(oIoU)의 핵심 지표를 2.48% 포인트 크게 향상시켰습니다. 시각화 결과를 통해 MagNet이 복잡한 장면 및 언어 표현 처리에도 뛰어난 성능을 발휘함을 확인할 수 있었습니다.

방법

MagNet은 마스크 접지, 교차 모달 정렬 모듈 및 교차 모달 정렬 손실이라는 3개의 독립적이고 보완적인 모듈로 구성됩니다.

1.마스크 접지

ㅋㅋ 그림 3: 마스크 접지 흐름도
그림 3과 같이 입력 이미지, 해당 참조 표현 및 분할 마스크가 주어지면 저자는 문장 어휘 중 일부를 무작위로 선택하고 이를 다음으로 대체합니다. 특별한 학습 가능한 마스크 토큰입니다. 그런 다음 모델은 대체된 단어의 실제 ID를 예측하도록 훈련됩니다. 마스킹된 토큰의 신원을 성공적으로 예측함으로써 모델은 텍스트의 어떤 단어가 이미지의 어떤 부분에 해당하는지 이해할 수 있으며, 그 과정에서 세밀한 언어-이미지 정렬 기능을 학습할 수 있습니다. 이 보조 작업을 수행하기 위해 먼저 마스크 영역의 중심 좌표를 추출하고 2계층 MLP에 전달하여 분할 마스크의 특징을 인코딩합니다. 동시에 선형 레이어를 사용하여 언어 기능을 이미지 기능과 동일한 차원으로 매핑합니다. 그런 다음 제안된 마스크 토큰 예측기를 사용하여 이러한 특징을 공동 처리하고 주의 메커니즘 모듈을 마스크 토큰 예측에 사용합니다. Mask Grounding에서는 마스크된 표현을 처리하기 위해 언어 인코더를 통한 추가 정방향 전달이 필요하지만 언어 인코더가 너무 작기 때문에 전체 계산 비용은 거의 무시할 수 있습니다. Cross-modal Alignment Module (CAM)

그림 4에서 볼 수 있듯이, 모델 성능을 더욱 향상시키기 위해 저자는 언어-이미지 정렬 효과를 향상시키는 크로스 모달 정렬 모듈(CAM)도 제안했습니다. 언어-이미지 융합을 수행하기 전에 이미지 특징에 글로벌 컨텍스트를 주입합니다. CAM은 먼저 다양한 창 크기의 풀링 작업을 사용하여 다양한 피라미드 규모의 K 기능 맵을 생성합니다. 그런 다음 각 특징 맵은 3계층 MLP를 통해 전달되어 전역 정보를 더 잘 추출하고 다른 양식과 교차 주의 작업을 수행합니다. 다음으로 모든 출력 기능은 이중선형 보간을 통해 원래 기능 맵 크기로 업샘플링되고 채널 차원에서 연결됩니다. 이어서, 연결된 특징 채널의 수를 원래 크기로 다시 줄이기 위해 2계층 MLP가 사용됩니다. 다중 모드 신호가 원래 신호를 압도하는 것을 방지하기 위해 Tanh 비선형성을 갖춘 게이트 장치를 사용하여 최종 출력을 변조합니다. 마지막으로 이 게이트 기능은 입력 기능에 다시 추가되고 이미지 또는 언어 인코더의 다음 단계로 전달됩니다. 작성자의 구현에서는 이미지 및 언어 인코더의 각 단계 끝에 CAM이 추가됩니다.

CVPR 2024 | 擅长处理复杂场景和语言表达,清华&博世提出全新实例分割网络架构MagNet3.교차 모달 정렬 손실(CAL)

                                         ross-modal 정렬 손실 공식

언어와 이미지 특징을 정렬하기 위해 모델을 감독하기 위해 저자 A 새로운 크로스 모달 정렬 손실 함수(CAL)가 제안되었습니다. 그림 5는 이 손실 함수의 수학적 공식을 보여줍니다. 이전 작업과 달리 CAL은 P2P(픽셀 대 픽셀) 정렬과 P2T(픽셀 대 텍스트) 정렬을 모두 고려합니다. 정확한 픽셀 대 픽셀 정렬을 통해 모델은 정확한 모양과 경계로 분할 마스크를 분할하고 출력할 수 있으며, 정확한 픽셀 대 텍스트 정렬을 통해 모델은 텍스트 설명을 일치하는 이미지 영역과 올바르게 연결할 수 있습니다.

CVPR 2024 | 擅长处理复杂场景和语言表达,清华&博世提出全新实例分割网络架构MagNetExperiments

표 1에서 저자는 oIoU 메트릭을 사용하여 MagNet을 평가하고 성능을 기존 최첨단 알고리즘과 비교합니다. 테스트 데이터는 RefCOCO, RefCOCO+, G-Ref입니다. 단일 및 다중/추가 데이터 세트 설정 모두에서 MagNet의 성능은 이러한 데이터 세트에서 모두 SOTA입니다.


표 1: 실험 결과 视 시각화 결과
CVPR 2024 | 擅长处理复杂场景和语言表达,清华&博世提出全新实例分割网络架构MagNet
그림 6: 자석 시각화 결과
에서 자석의 시각화 결과를 볼 수 있습니다. 역시 뛰어나다 , 많은 어려운 시나리오에서 기본 LAVT보다 성능이 뛰어납니다.

요약
이 문서에서는 RIS(참조 분할) 분야의 과제와 현재 문제, 특히 세밀한 언어-이미지 정렬의 단점에 대해 자세히 설명합니다. 이러한 문제에 대응하여 칭화대학교와 보쉬 중앙연구소의 연구진은 보조 작업인 Mask Grounding, 교차 모달 정렬 모듈 및 교차 모달 정렬 손실 함수를 도입하여 언어를 종합적으로 향상시키는 새로운 방법인 MagNet을 제안했습니다. 이미지 간의 정렬 효과. 실험을 통해 MagNet이 RefCOCO, RefCOCO+ 및 G-Ref 데이터 세트에서 훨씬 더 나은 성능을 달성하여 이전의 최첨단 알고리즘을 능가하고 강력한 일반화 기능을 입증했음이 입증되었습니다. 시각화 결과는 복잡한 장면과 언어 표현 처리에서도 MagNet의 우수성을 확인시켜 줍니다. 이 연구는 참조 분할 분야의 추가 개발에 유용한 영감을 제공하며 이 분야에서 더 큰 혁신을 촉진할 것으로 예상됩니다.

팀 소개
이 논문은 칭화대학교 자동화학과(https://www.au.tsinghua.edu.cn)와 보쉬 중앙연구소(https:// www.bosch.com/research/). 논문의 첫 번째 저자 중 한 명인 Zhuang Rongxian은 Tsinghua University의 박사 과정 학생이자 Bosch Academia Sinica의 인턴입니다. 프로젝트 리더는 Bosch Academia Sinica의 선임 R&D 과학자인 Dr. Qiu Xuchong입니다. 칭화대학교 자동화학과 황가오(Huang Gao) 교수.

위 내용은 CVPR 2024 | 복잡한 장면과 언어 표현 처리에 능숙한 Tsinghua & Bosch는 새로운 인스턴스 분할 네트워크 아키텍처 MagNet을 제안했습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

AI Hentai Generator

AI Hentai Generator

AI Hentai를 무료로 생성하십시오.

뜨거운 도구

메모장++7.3.1

메모장++7.3.1

사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전

SublimeText3 중국어 버전

중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기

스튜디오 13.0.1 보내기

강력한 PHP 통합 개발 환경

드림위버 CS6

드림위버 CS6

시각적 웹 개발 도구

SublimeText3 Mac 버전

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

RLHF에서 DPO, TDPO까지 대규모 모델 정렬 알고리즘은 이미 '토큰 수준'입니다. RLHF에서 DPO, TDPO까지 대규모 모델 정렬 알고리즘은 이미 '토큰 수준'입니다. Jun 24, 2024 pm 03:04 PM

AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 인공 지능 개발 과정에서 LLM(대형 언어 모델)의 제어 및 안내는 항상 핵심 과제 중 하나였으며 이러한 모델이 두 가지 모두를 보장하는 것을 목표로 했습니다. 강력하고 안전하게 인간 사회에 봉사합니다. 인간 피드백(RL)을 통한 강화 학습 방법에 초점을 맞춘 초기 노력

ControlNet의 저자가 또 다른 히트를 쳤습니다! 이틀 만에 14,000개의 별을 획득하여 그림에서 그림을 생성하는 전체 과정 ControlNet의 저자가 또 다른 히트를 쳤습니다! 이틀 만에 14,000개의 별을 획득하여 그림에서 그림을 생성하는 전체 과정 Jul 17, 2024 am 01:56 AM

역시 Tusheng 영상이지만 PaintsUndo는 다른 경로를 택했습니다. ControlNet 작성자 LvminZhang이 다시 살기 시작했습니다! 이번에는 회화 분야를 목표로 삼고 있습니다. 새로운 프로젝트인 PaintsUndo는 출시된 지 얼마 되지 않아 1.4kstar(여전히 상승세)를 받았습니다. 프로젝트 주소: https://github.com/lllyasviel/Paints-UNDO 이 프로젝트를 통해 사용자는 정적 이미지를 입력하고 PaintsUndo는 자동으로 라인 초안부터 완성품 따라가기까지 전체 페인팅 과정의 비디오를 생성하도록 도와줍니다. . 그리는 과정에서 선의 변화가 놀랍습니다. 최종 영상 결과는 원본 이미지와 매우 유사합니다. 완성된 그림을 살펴보겠습니다.

오픈 소스 AI 소프트웨어 엔지니어 목록의 1위인 UIUC의 에이전트 없는 솔루션은 SWE 벤치의 실제 프로그래밍 문제를 쉽게 해결합니다. 오픈 소스 AI 소프트웨어 엔지니어 목록의 1위인 UIUC의 에이전트 없는 솔루션은 SWE 벤치의 실제 프로그래밍 문제를 쉽게 해결합니다. Jul 17, 2024 pm 10:02 PM

AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 이 논문의 저자는 모두 일리노이 대학교 Urbana-Champaign(UIUC)의 Zhang Lingming 교사 팀 출신입니다. Steven Code Repair, 박사 4년차, 연구원

OpenAI Super Alignment Team의 사후 작업: 두 개의 대형 모델이 게임을 하고 출력이 더 이해하기 쉬워졌습니다. OpenAI Super Alignment Team의 사후 작업: 두 개의 대형 모델이 게임을 하고 출력이 더 이해하기 쉬워졌습니다. Jul 19, 2024 am 01:29 AM

AI 모델이 내놓은 답변이 전혀 이해하기 어렵다면 감히 사용해 보시겠습니까? 기계 학습 시스템이 더 중요한 영역에서 사용됨에 따라 우리가 그 결과를 신뢰할 수 있는 이유와 신뢰할 수 없는 경우를 보여주는 것이 점점 더 중요해지고 있습니다. 복잡한 시스템의 출력에 대한 신뢰를 얻는 한 가지 가능한 방법은 시스템이 인간이나 다른 신뢰할 수 있는 시스템이 읽을 수 있는 출력 해석을 생성하도록 요구하는 것입니다. 즉, 가능한 오류가 발생할 수 있는 지점까지 완전히 이해할 수 있습니다. 설립하다. 예를 들어, 사법 시스템에 대한 신뢰를 구축하기 위해 우리는 법원이 자신의 결정을 설명하고 뒷받침하는 명확하고 읽기 쉬운 서면 의견을 제공하도록 요구합니다. 대규모 언어 모델의 경우 유사한 접근 방식을 채택할 수도 있습니다. 그러나 이 접근 방식을 사용할 때는 언어 모델이 다음을 생성하는지 확인하세요.

무제한 비디오 생성, 계획 및 의사결정, 다음 토큰 예측의 확산 강제 통합 및 전체 시퀀스 확산 무제한 비디오 생성, 계획 및 의사결정, 다음 토큰 예측의 확산 강제 통합 및 전체 시퀀스 확산 Jul 23, 2024 pm 02:05 PM

현재 차세대 토큰 예측 패러다임을 사용하는 자동회귀 대규모 언어 모델은 전 세계적으로 인기를 얻고 있으며 동시에 인터넷의 수많은 합성 이미지와 비디오는 이미 확산 모델의 힘을 보여주었습니다. 최근 MITCSAIL 연구팀(그 중 한 명은 MIT 박사 과정 학생인 Chen Boyyuan)이 전체 시퀀스 확산 모델과 차세대 토큰 모델의 강력한 기능을 성공적으로 통합하고 훈련 및 샘플링 패러다임인 확산 강제(DF)를 제안했습니다. ). 논문 제목: DiffusionForcing:Next-tokenPredictionMeetsFull-SequenceDiffusion 논문 주소: https:/

arXiv 논문은 '연발'로 게시될 수 있습니다. Stanford alphaXiv 토론 플랫폼은 온라인이며 LeCun은 이를 좋아합니다. arXiv 논문은 '연발'로 게시될 수 있습니다. Stanford alphaXiv 토론 플랫폼은 온라인이며 LeCun은 이를 좋아합니다. Aug 01, 2024 pm 05:18 PM

건배! 종이 토론이 말로만 진행된다면 어떤가요? 최근 스탠포드 대학교 학생들은 arXiv 논문에 대한 질문과 의견을 직접 게시할 수 있는 arXiv 논문에 대한 공개 토론 포럼인 alphaXiv를 만들었습니다. 웹사이트 링크: https://alphaxiv.org/ 실제로 이 웹사이트를 특별히 방문할 필요는 없습니다. URL에서 arXiv를 alphaXiv로 변경하면 alphaXiv 포럼에서 해당 논문을 바로 열 수 있습니다. 논문, 문장: 오른쪽 토론 영역에서 사용자는 저자에게 논문의 아이디어와 세부 사항에 대해 질문하는 질문을 게시할 수 있습니다. 예를 들어 다음과 같이 논문 내용에 대해 의견을 제시할 수도 있습니다.

리만 가설의 중요한 돌파구! 타오저쉬안(Tao Zhexuan)은 MIT와 옥스퍼드의 새로운 논문을 적극 추천했으며, 37세의 필즈상 수상자도 참여했다. 리만 가설의 중요한 돌파구! 타오저쉬안(Tao Zhexuan)은 MIT와 옥스퍼드의 새로운 논문을 적극 추천했으며, 37세의 필즈상 수상자도 참여했다. Aug 05, 2024 pm 03:32 PM

최근 새천년 7대 과제 중 하나로 알려진 리만 가설이 새로운 돌파구를 마련했다. 리만 가설은 소수 분포의 정확한 특성과 관련된 수학에서 매우 중요한 미해결 문제입니다(소수는 1과 자기 자신으로만 나눌 수 있는 숫자이며 정수 이론에서 근본적인 역할을 합니다). 오늘날의 수학 문헌에는 리만 가설(또는 일반화된 형식)의 확립에 기초한 수학적 명제가 천 개가 넘습니다. 즉, 리만 가설과 그 일반화된 형식이 입증되면 천 개가 넘는 명제가 정리로 확립되어 수학 분야에 지대한 영향을 미칠 것이며, 리만 가설이 틀린 것으로 입증된다면, 이러한 제안의 일부도 그 효과를 잃을 것입니다. MIT 수학 교수 Larry Guth와 Oxford University의 새로운 돌파구

Axiom 교육을 통해 LLM은 인과 추론을 학습할 수 있습니다. 6,700만 개의 매개변수 모델은 1조 매개변수 수준 GPT-4와 비슷합니다. Axiom 교육을 통해 LLM은 인과 추론을 학습할 수 있습니다. 6,700만 개의 매개변수 모델은 1조 매개변수 수준 GPT-4와 비슷합니다. Jul 17, 2024 am 10:14 AM

LLM에 인과관계 사슬을 보여주면 공리를 학습합니다. AI는 이미 수학자 및 과학자의 연구 수행을 돕고 있습니다. 예를 들어, 유명한 수학자 Terence Tao는 GPT와 같은 AI 도구의 도움을 받아 자신의 연구 및 탐색 경험을 반복적으로 공유했습니다. AI가 이러한 분야에서 경쟁하려면 강력하고 신뢰할 수 있는 인과관계 추론 능력이 필수적입니다. 본 논문에서 소개할 연구에서는 작은 그래프의 인과 전이성 공리 시연을 위해 훈련된 Transformer 모델이 큰 그래프의 전이 공리로 일반화될 수 있음을 발견했습니다. 즉, Transformer가 단순한 인과 추론을 수행하는 방법을 학습하면 보다 복잡한 인과 추론에 사용될 수 있습니다. 팀이 제안하는 공리적 훈련 프레임워크는 시연만으로 패시브 데이터를 기반으로 인과 추론을 학습하는 새로운 패러다임입니다.

See all articles