研究人员推出 AnchorUp,一种利用经典插值技术进行计算机视觉特征上采样的创新方法。与预测整个高分辨率特征图的先前学习型上采样器不同,AnchorUp 仅预测改进标准双线性或双三次插值输出所需的修正。这种方法显著减少了所需参数数量,AnchorUp 使用的参数量约为领先基线模型的四分之一,同时在 PASCAL-VOC 和 Cityscapes 等基准测试中取得了相当或更优的性能,甚至在 DAVIS-2017 视频目标分割上超越了它。 AI
影响 这种方法可能导致计算机视觉模型中更高效、更有效的特征上采样,从而可能提高密集预测任务的性能。
排序理由 该集群描述了在 arXiv 论文中提出的一种用于计算机视觉特征上采样的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- AnchorUp
- bicubic interpolation
- bilinear interpolation
- Cityscapes
- DAVIS 2017
- DINOv3
- Kotaro Horikawa
- PASCAL-VOC
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →