STAMPlus

新的 STAMPlus 方法提高了 MLLM 分割性能和速度

研究人员推出了一种新颖的基于多模态大语言模型 (MLLM) 的分割方法 STAMPlus，该方法解决了实现高性能、保持对话能力和确保快速推理的困境。该方法将自回归对话与非自回归掩码预测分离，能够高效地单次预测多个分割目标。STAMPlus 在各种分割任务中均展现了最先进的性能，包括开放词汇语义分割和实例感知分割，同时与以前的方法相比显著降低了推理延迟。