ECCV'24开源 | 由分割一切迈向感知一切！

文章预览

点击下方 卡片 ，关注 「3DCV」 公众号 选择 星标 ，干货第一时间送达 编辑：3DCV 添加小助理：dddvision，备注：方向+学校/公司+昵称，拉你入群。文末附行业细分群 扫描下方二维码，加入 3D视觉知识星球 ，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料： 近20门视频课程(星球成员免费学习) 、 最新顶会论文 、 3D视觉最新模组 、 3DGS系列(视频+文档) 、 计算机视觉书籍 、 优质3D视觉算法源码 等。想要入门3D视觉、做项目、搞科研，欢迎扫码加入！ 0. 这篇文章干了啥？ 视觉感知的一个重要目标是有效地定位和识别任意感兴趣的区域。这需要一个单一的视觉模型，该模型能够理解区域上下文，并同时执行诸如分割、识别和标注等感知任务。然而，现有模型往往侧重于定位与类别无关的掩码（如SAM）或仅提取视觉语义（如CLIP及其区域级变 ………………………………