OSFormer: One-Stage Camouflaged Instance Segmentation with Transformers

要約

カモフラージュされたインスタンスセグメンテーション（CIS）用の最初の1ステージトランスフォーマーフレームワークであるOSFormerを紹介します。
OSFormerは、2つの主要な設計に基づいています。
まず、位置誘導クエリとブレンド畳み込みフィードフォワードネットワークを導入することにより、位置ラベルとインスタンス認識パラメーターを取得する位置検出トランスフォーマー（LST）を設計します。
次に、LSTエンコーダーとCNNバックボーンからの多様なコンテキスト情報をマージするための粗い融合（CFF）を開発します。
これら2つのコンポーネントを結合することで、OSFormerは、カモフラージュされたインスタンスを予測するために、ローカル機能と長距離コンテキストの依存関係を効率的にブレンドできます。
2段階のフレームワークと比較して、OSFormerは41％APに達し、膨大なトレーニングデータを必要とせずに優れた収束効率を実現します。つまり、60エポックでわずか3,040サンプルです。
コードリンク：https：//github.com/PJLallen/OSFormer。

要約(オリジナル)

We present OSFormer, the first one-stage transformer framework for camouflaged instance segmentation (CIS). OSFormer is based on two key designs. First, we design a location-sensing transformer (LST) to obtain the location label and instance-aware parameters by introducing the location-guided queries and the blend-convolution feedforward network. Second, we develop a coarse-to-fine fusion (CFF) to merge diverse context information from the LST encoder and CNN backbone. Coupling these two components enables OSFormer to efficiently blend local features and long-range context dependencies for predicting camouflaged instances. Compared with two-stage frameworks, our OSFormer reaches 41% AP and achieves good convergence efficiency without requiring enormous training data, i.e., only 3,040 samples under 60 epochs. Code link: https://github.com/PJLallen/OSFormer.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google