為了實現(xiàn)圖像中的交互式區(qū)域特定理解,最近的方法采用了各種策略來表示目標區(qū)域:在文本標記中編碼文本框坐標,利用視覺 RoI 特征,或應用視覺標記。將這些能力擴展到視頻領域,一些方法將初始幀的邊界框坐標作為文本形式用于區(qū)域級視頻理解任務。然而,一種能夠有效解決圖像和視頻中區(qū)域特定任務的通用方法仍然是一個開放的挑戰(zhàn)。
北京第二十六維信息技術有限公司(至頂網(wǎng))版權所有. 京ICP備15039648號-7 京ICP證161336號京公網(wǎng)安備 11010802021500號
舉報電話:010-62641205-5060 涉未成年人舉報專線:010-62641208 舉報郵箱:jubao@zhiding.cn
網(wǎng)上有害信息舉報專區(qū):https://www.12377.cn