CVPR 2024 | 百度提出视觉新骨干ViT-CoMer，刷新密集预测任务SOTA

关注公众号，发现CV技术之美本文分享 CVPR 2024 论文ViT-CoMer: Vision Transformer with Convolutional Multi-scale Feature Interaction for Dense Predictions，由百度提出视觉新骨干 ViT-CoMer，刷新密集预测任务 SOTA。论文链接：https://arxiv.org/pdf/2403.07392.pdf开源地址：https://github.com/Traffic-X/ViT-CoMer，（欢迎大家试用和star）1.算法效果1.1.炸裂结果检测效果SOTA在未增加额外训练数据的情况下，ViT-CoMer-L在目标检测benchmark COCO val2017上达到了64.3% AP。此前检测的SOTA算法为Co-DETR，在未增加额外数据时Co-DETR的效果为60.7% AP，使用ViT-CoMer替换原backbone(Swin-L)的同时采用了ViT-Adapter提供的BEiTv2*作为预训练，其检测效果可达64.3% AP，相比较其他同体量算法ViT-CoMer效果更优。分割效果SOTAViT-CoMer-L在语义分割 benchmark ADE20K val上获得了62.1% mIoU，10亿参数量以下效果SOTA。基于Mask2Former分割算法，对比了ViT-CoM ………………………………