⏶1
C-DiffDet+：融合全局场景上下文和生成去噪以实现高保真目标检测
发表
由 
Salah Eddine Bekhouche 提交
Salah Eddine Bekhouche 提交作者: 
Abdellah Zakaria Sellam, 
Ilyes Benaissa, Salah Eddine Bekhouche, Abdenour Hadid, Vito Renó, Cosimo Distante
Abdellah Zakaria Sellam, Ilyes Benaissa, Salah Eddine Bekhouche, Abdenour Hadid, Vito Renó, Cosimo Distante摘要
在具有挑战性的视觉领域（如车辆损坏评估）中的细粒度对象检测，即使对人类专家来说也是一个严峻的挑战，难以可靠地解决。尽管 DiffusionDet 通过条件去噪扩散（conditional denoising diffusion）取得了最先进的进展，但其性能仍然受到在上下文相关场景中局部特征条件的限制。我们通过引入上下文感知融合（Context-Aware Fusion，CAF）来解决这一根本性限制，CAF 利用交叉注意力机制将全局场景上下文与局部提案特征直接集成。全局上下文是使用一个独立的专用编码器生成的，该编码器捕获全面的环境信息，使每个对象提案都能关注场景级理解。我们的框架通过使每个对象提案能够关注全面的环境信息，显著增强了生成检测范式。实验结果表明，在 CarDD 基准测试上，相比于最先进的模型有所改进，为细粒度领域中的上下文感知对象检测树立了新的性能标杆。
在充满挑战的视觉领域，例如车辆损坏评估，进行细粒度的物体检测，即使对人类专家来说也是一个难以可靠解决的难题。虽然 DiffusionDet 通过条件去噪扩散技术推进了最先进的技术，但其性能仍然受到上下文相关场景中局部特征条件的限制。我们通过引入上下文感知融合（CAF）来解决这一根本性限制，CAF 利用交叉注意力机制将全局场景上下文与局部提议特征直接集成。全局上下文使用一个独立的专用编码器生成，该编码器捕获全面的环境信息，使每个物体提议都能感知场景级别的理解。我们的框架使每个物体提议都能感知全面的环境信息，从而显著增强了生成检测范例。实验结果表明，在 CarDD 基准测试上，我们相比最先进的模型有所改进，在细粒度领域的上下文感知物体检测方面树立了新的性能基准。