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
FPGA做深度学习能走多远？如何看待最近一段时间旷视科技Face++、阿里、小米、京东、科大讯飞和地平线等相继在南京建立研发中心？
苏联计划经济体制能否在大数据与智能决策时代展现出某些优势？
国内的自动驾驶技术目前发展到什么阶段了？
全连接层的作用是什么？
能否对卷积神经网络工作原理做一个直观的解释？
word2vec有什么应用？
如何看待FAIR提出的8-bit optimizer：效果和32-bit optimizer相当？
如果 2台 alphago 不断对战，是否会不断的强大？
如何评价剑桥，腾讯， DeepMind以及港大团队新作 SimCTG ?
相关的话题
现在的人工智能是否走上了数学的极端？Transformer在工业界的应用瓶颈如何突破？
为什么硅谷的人在造火箭，搞人工智能，虚拟现实生物工程，而我们却在玩互联网？
中国开发一个主流的手机系统到底能有多难？
如何评价微软亚洲研究院提出的LightRNN？
现在AI是不是不行？
深度学习底层开发对数学有哪些要求？
transformer中的Q,K,V到底是什么？
从今年校招来看，机器学习等算法岗位应届生超多，竞争激烈，未来 3-5 年机器学习相关就业会达到饱和吗？
IBM 重返消费级市场有哪些机会？
wav2vec中的30ms是怎么得来的?
计算机行业是不是自砸饭碗的行业？
能否使用区块链的算力来解决深度学习训练？
如何评价通信工程很多导师都研究机器学习人工智能而不是传统的天线电磁场等方向?
AlphaFold2 解决了蛋白质结构问题吗？DeepMind 解决这项生物学五十年难题有何重大意义？
如何看待NLP领域最近比较火的prompt，能否借鉴到CV领域？
如何看待大疆员工猝死？
为什么 BERT 的 intermediate_size 这么大？
如何评价 AI 仅用 5.4 秒就能设计出和文献相同的化学反应途径，堪称化学界「AlphaGo」？
GAN:固定训练好的判别器网络，去指导训练生成器为什么不可以？
如何看待商汤科技高管半年薪酬近12 亿？
语音交互要解决哪些问题，才能摘掉“人工智障”的帽子?
如何看待最近一段时间旷视科技Face++、阿里、小米、京东、科大讯飞和地平线等相继在南京建立研发中心？
人工智能 CV 岗位是不是现在供严重大于需？
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？
如何看待 ICLR2021 的拒稿被评为 ACL2021 的 Best Paper?
如何激怒一个科研工作者？
网络上一位长者提出了“完全不依靠人工神经网络与机器学习算法实现人工智能”的理论，大家怎么看？
现在互联网公司还有做特征工程的工作吗？
如何评价PyTorch 0.4.0？