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
为什么都说神经网络是个黑箱？对于透明物体的三维重建有什么好方法吗？
有哪些你看了以后大呼过瘾的数据分析书？
如何进行图像模糊与清晰的分类？
GAN（对抗生成网络）可以被用于哪些（商业或潜在商业）实际问题？
如何评价CVPR2019程序主席Derek Hoiem的论点：计算机视觉只是记忆，不是智能？
为啥星际争霸2里的神族的肉盾炮灰主要是活人，而像巨像这种人工智能反而是需要保护的珍贵精英？
在机器学习模型的训练期间，大概几十分钟到几小时不等，大家都会在等实验的时候做什么？
深度学习在无人驾驶汽车上面的运用有哪些？
有哪些人工智能上的事实，没有一定人工智能知识的人不会相信？
相关的话题
为什么熵值最大的分布状态是正态分布而不是均匀分布？如何评价知乎想法中「人工智能是否能做艺术创新」这一场论战？
机器学习中有哪些形式简单却很巧妙的idea？
导盲犬一只训练成本高达22万，为什么不用相同的钱雇人为盲人导盲？
2018年了，MXNet 发展的如何了？
如何评价 MSRA 最新的 Deformable Convolutional Networks？
马上计算机研一，想问一下机器学习、深度学习…大家都是怎么入门的？
普通程序员如何正确学习人工智能方向的知识？
把某人的 DNA 序列作为输入，正面照片作为输出，丢到深度神经网络里面学习，可行吗？
自动驾驶能治首堵病吗？
在集成电路设计领域（数字，模拟），人工智能有无可能取代人类？
如何看待MXNet获得amazon官方支持首位？
人脸识别技术现在成熟了吗，为什么没有大范围应用呢？
如何评价清华大学发布的自研深度学习框架-计图(Jittor)？
L3级别的自动驾驶什么时候能普及，会对目前的交通情况带来什么帮助？
有哪些科技公司从辉煌到衰落？因为什么原因？
如何评价Google Duplex（打电话AI）在特定领域已经通过了图灵测试？
人脸识别哪家强？
为什么很少人用FFT加速CNN卷积层的运算？
god bless us 为什么百度翻译是辛巴？
旷视(Face++)完成C轮1亿美元融资，是否说明旷视已经进入独角兽阵营？
想问下专业人士 OpenCv会被深度学习进一步取代吗进一步取代吗？
如何评价极限智囊团成员陈锴杰，年仅20岁就自称NASA研究员、在NASA工作的人工智能学者？
如何看待周志华等人的新书《机器学习理论导引》？
有哪些你看了以后大呼过瘾的数据分析书？
什么是大模型？超大模型？Foundation Model？
除了深度神经网络已经实现的特性以外，大脑还有哪些特性是值得机器学习领域借鉴的？
如何评价 Kaiming He 在 ICCV 2017 上拿下双 Best 的 paper？
BERT模型可以使用无监督的方法做文本相似度任务吗？
谈谈机器学习在网络安全领域的局限性，以及是否乐观？