研究人员开发了 DualMem，这是一种新颖的事后过滤器，旨在改进开放世界物体检测系统。该方法解决了当前检测器中被污染的未知预测流问题，在这些检测器中，背景误报很常见。DualMem 利用冻结的 SigLIP 特征和带有正负内存库的校准似然比检验，有效地过滤掉不需要的提议，在保留已知物体检测的同时显著减少了误报的未知物体。 AI
影响 通过减少误报来增强开放世界物体检测，有可能改进需要识别新物体的系统。
排序理由 该集群包含一篇详细介绍物体检测新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.23634v1 Announce Type: cross Abstract: Open-world object detection (OWOD) requires detectors to localize known classes while identifying unknown objects for future incremental learning. We find that the unknown prediction streams of strong OWOD detectors are heavily po…
Open-world object detection (OWOD) requires detectors to localize known classes while identifying unknown objects for future incremental learning. We find that the unknown prediction streams of strong OWOD detectors are heavily polluted: on M-OWODB, across PROB, OW-DETR, and HypO…