OWL-ViT

研究发现：开放词汇目标检测置信度分数存在偏差

一篇新的arXiv论文揭示，开放词汇目标检测模型中的置信度分数并不可靠，它们将物体尺度和语义特异性与真实的检测信号混淆。研究人员证明，由于尺度偏差，大物体获得的得分系统性地被夸大，而通用查询则因语义偏差而被抑制。这些问题源于CLIP等基础模型的图像级预训练，无法通过简单的阈值调整完全解决。虽然温度缩放可以提高小目标的召回率，但会牺牲精度，这表明在将这些模型应用于区域级检测任务时存在根本性限制。