搜尋
首頁科技週邊人工智慧NTU提出全新RAM模型,採用Meta分割一切搞定關係,唱跳偷襲效果極佳!

本月初,Meta推出的「分割一切」模型可謂是震撼了整個CV圈。

這幾天,一個名為「Relate-Anything-Model(RAM)」的機器學習模型橫空出世。它賦予了Segment Anything Model(SAM)識別不同視覺概念之間的各種視覺關係的能力。

據了解,該模型由南洋理工大學MMLab團隊和倫敦國王學院和同濟大學的VisCom實驗室的同學利用閒暇時間合作開發。

NTU提出全新RAM模型,採用Meta分割一切搞定關係,唱跳偷襲效果極佳!

#示範網址:https://huggingface.co/spaces/mmlab-ntu/ relate-anything-model

程式碼位址:https://github.com/Luodian/RelateAnything

資料集位址:https://github.com/Jingkang50/OpenPSG

#效果示範

首先,讓我們來看看「Relate-Anything-Model(RAM)」的應用程式實例吧!

例如,以下這些關於踢足球、跳舞和交朋友的RAM模型實現的圖像分析結果,就讓人印象非常深刻,很好地展示了模型出色的性能和多樣化應用的潛力。

NTU提出全新RAM模型,採用Meta分割一切搞定關係,唱跳偷襲效果極佳!

NTU提出全新RAM模型,採用Meta分割一切搞定關係,唱跳偷襲效果極佳!

NTU提出全新RAM模型,採用Meta分割一切搞定關係,唱跳偷襲效果極佳!

預備知識:全場景圖產生PSG任務

RAM模型基於ECCV'22 SenseHuman Workshop & 國際演算法算例大賽「Panoptic Sc​​ene Graph Generation」賽道冠軍方案。

NTU提出全新RAM模型,採用Meta分割一切搞定關係,唱跳偷襲效果極佳!

論文網址:https://arxiv.org/abs/2302.02651

#該PSG挑戰賽獎金百萬,共收到來自全球100支團隊提交的各種解決方案,其中包括了使用先進的圖像分割方法以及解決長尾問題等。此外,競賽也收到了一些創新性的方法,例如場景圖專用的資料增強技術。

經過評估,根據性能指標、解決方案的新穎性和意義等方面的考慮,小紅書團隊的GRNet脫穎而出,成為獲勝的方法。

NTU提出全新RAM模型,採用Meta分割一切搞定關係,唱跳偷襲效果極佳!

#競賽詳情:https://github.com/Jingkang50/OpenPSG

#在介紹解決方案之前,我們先來介紹兩個經典的PSG基準方法,其中一個是雙階段方法,另一個是單階段方法。 ##########

對於雙階段基線方法,如圖a所示,在第一階段中,使用預訓練的全景分割模型Panoptic FPN從影像中提取特徵、分割和分類預測。然後,將每個個體物件的特徵提供給經典的場景圖產生器,例如IMP,以便在第二階段進行適應PSG任務的場景圖產生。此雙階段方法允許經典的SGG方法透過最小的修改來適應PSG任務。

如圖b所示,單階段基線方法PSGTR首先使用CNN擷取影像特徵,然後使用類似DETR的transformer編碼器-解碼器來直接學習三元組表示。匈牙利匹配器用於將預測的三元組與基本真實三元組進行比較。然後,優化目標最大化匹配器計算的成本,並使用交叉熵進行標籤和分割的DICE/F-1損失計算總損失。

NTU提出全新RAM模型,採用Meta分割一切搞定關係,唱跳偷襲效果極佳!

RAM模型架構

在RAM模型的設計過程中,作者參考了PSG冠軍方案GRNet的雙階段結構範式。儘管PSG原文的研究中表明,單階段模型目前的表現優於雙階段模型,然而,單階段模型通常無法像雙階段模型那樣達到良好的分割表現。

經過不同模型結構的觀察推測,單階段模型在關係三元組預測上的優異表現可能是由於來自影像特徵圖的直接監督訊號有利於捕捉關係。

基於這個觀察,RAM的設計同GRNet一樣,旨在兩個模式之間找到一個權衡,透過重視雙階段範式並賦予其類似於單階段範式中獲取全域上下文的能力來實現。

具體地,首先利用Segment Anything Model(SAM)作為特徵提取器,識別和分割圖像中的物體對象,將來自SAM分割器的特定物件的中間特徵映射與其對應的分割融合,得到物件層級特徵。

隨後,將Transformer當作一種全域上下文模組,將獲得的物件層級特徵經過線性映射後輸入其中。透過Transformer編碼器中的交叉注意力機制,輸出的物件特徵從其他物件中收集了更多的全局資訊。

最後,對於Transformer輸出的每個物件層級特徵,透過self-attention機制進一步豐富上下文資訊並使各個物件物件之間完成互動。

請注意,這裡也加入了一個類別嵌入以指示物件的類別,並由此得到了成對的物件及它們之間關係的預測。

RAM關係分類

在訓練過程中,對於每個關係類別,需要執行關係二元分類任務以確定物件對之間是否存在關係。

和GRNet相似的,對關係二元分類任務還有一些特別的考量。例如, PSG資料集通常包含兩個具有多個關係的對象,例如“人看著大象”和“人餵大象”同時存在。為了解決多標籤問題,作者將關係預測從單一標籤分類問題轉換為多標籤分類問題。

此外,由於PSG資料集透過要求註釋者選擇特定和準確的謂詞(如「停在」而不是更一般的「在」)來追求精確度和相關性,可能不適合學習邊界關係(如「在」實際上與「停在」同時存在)。為了解決這個問題,RAM採用了一種自我訓練策略,使用自我蒸餾標籤進行關係分類,並使用指數移動平均值來動態更新標籤。

#

RAM的其他設計

在計算關係二元分類損失時,每個預測物件必須與其對應的基礎真實物件配對。匈牙利匹配演算法用於此目的。

然而,演算法容易出現不穩定情況,特別是在網路準確度低的早期訓練階段。這可能導致對於相同的輸入,匹配產生不同的匹配結果,導致網路優化方向不一致,使訓練變得更加困難。

在RAM中,不同於先前方案,作者藉助強大的SAM模型,可以對幾乎任何圖片進行完整且細緻的分割,因此,在在匹配預測和GT過程中, RAM自然地設計了新的GT匹配方法:使用PSG資料集來訓練模型。

對於每個訓練影像,SAM會分割多個物體,但只有少數與PSG的ground truth(GT)mask相符。作者根據它們的交集-並集(IOU)分數進行簡單的匹配,以便(幾乎)每個GT mask都被分配到一個SAM mask。之後,作者根據SAM的mask重新產生關係圖,自然地匹配上了模型的預測。

RAM模型總結

在RAM模型中,作者利用Segment Anything Model(SAM)來識別和分割圖像中的物體,並提取每個分割物體的特徵。隨後使用Transformer模組來使分割物體之間產生交互作用,從而得到新的特徵。最後將這些特徵經過類別嵌入後,透過self-attention機制輸出預測結果。

在訓練過程中,特別地,作者提出了新的GT匹配方法並基於該方法,計算預測和GT的配對關係並分類它們的相互關係。在關係分類的監督學習過程中,作者視之為多標籤分類問題並採用了一種自我訓練策略學習標籤的邊界關係。

最後,希望RAM模型能為你帶來更多的啟發與創新。如果你也想訓練會找關係的機器學習模型,可以專注在團隊的工作,並隨時提出回饋和建議。

NTU提出全新RAM模型,採用Meta分割一切搞定關係,唱跳偷襲效果極佳!

專案網址:https://github.com/Jingkang50/OpenPSG

#

以上是NTU提出全新RAM模型,採用Meta分割一切搞定關係,唱跳偷襲效果極佳!的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述
本文轉載於:51CTO.COM。如有侵權,請聯絡admin@php.cn刪除
从VAE到扩散模型:一文解读以文生图新范式从VAE到扩散模型:一文解读以文生图新范式Apr 08, 2023 pm 08:41 PM

1 前言在发布DALL·E的15个月后,OpenAI在今年春天带了续作DALL·E 2,以其更加惊艳的效果和丰富的可玩性迅速占领了各大AI社区的头条。近年来,随着生成对抗网络(GAN)、变分自编码器(VAE)、扩散模型(Diffusion models)的出现,深度学习已向世人展现其强大的图像生成能力;加上GPT-3、BERT等NLP模型的成功,人类正逐步打破文本和图像的信息界限。在DALL·E 2中,只需输入简单的文本(prompt),它就可以生成多张1024*1024的高清图像。这些图像甚至

普林斯顿陈丹琦:如何让「大模型」变小普林斯顿陈丹琦:如何让「大模型」变小Apr 08, 2023 pm 04:01 PM

“Making large models smaller”这是很多语言模型研究人员的学术追求,针对大模型昂贵的环境和训练成本,陈丹琦在智源大会青源学术年会上做了题为“Making large models smaller”的特邀报告。报告中重点提及了基于记忆增强的TRIME算法和基于粗细粒度联合剪枝和逐层蒸馏的CofiPruning算法。前者能够在不改变模型结构的基础上兼顾语言模型困惑度和检索速度方面的优势;而后者可以在保证下游任务准确度的同时实现更快的处理速度,具有更小的模型结构。陈丹琦 普

找不到中文语音预训练模型?中文版 Wav2vec 2.0和HuBERT来了找不到中文语音预训练模型?中文版 Wav2vec 2.0和HuBERT来了Apr 08, 2023 pm 06:21 PM

Wav2vec 2.0 [1],HuBERT [2] 和 WavLM [3] 等语音预训练模型,通过在多达上万小时的无标注语音数据(如 Libri-light )上的自监督学习,显著提升了自动语音识别(Automatic Speech Recognition, ASR),语音合成(Text-to-speech, TTS)和语音转换(Voice Conversation,VC)等语音下游任务的性能。然而这些模型都没有公开的中文版本,不便于应用在中文语音研究场景。 WenetSpeech [4] 是

解锁CNN和Transformer正确结合方法,字节跳动提出有效的下一代视觉Transformer解锁CNN和Transformer正确结合方法,字节跳动提出有效的下一代视觉TransformerApr 09, 2023 pm 02:01 PM

由于复杂的注意力机制和模型设计,大多数现有的视觉 Transformer(ViT)在现实的工业部署场景中不能像卷积神经网络(CNN)那样高效地执行。这就带来了一个问题:视觉神经网络能否像 CNN 一样快速推断并像 ViT 一样强大?近期一些工作试图设计 CNN-Transformer 混合架构来解决这个问题,但这些工作的整体性能远不能令人满意。基于此,来自字节跳动的研究者提出了一种能在现实工业场景中有效部署的下一代视觉 Transformer——Next-ViT。从延迟 / 准确性权衡的角度看,

Stable Diffusion XL 现已推出—有什么新功能,你知道吗?Stable Diffusion XL 现已推出—有什么新功能,你知道吗?Apr 07, 2023 pm 11:21 PM

3月27号,Stability AI的创始人兼首席执行官Emad Mostaque在一条推文中宣布,Stable Diffusion XL 现已可用于公开测试。以下是一些事项:“XL”不是这个新的AI模型的官方名称。一旦发布稳定性AI公司的官方公告,名称将会更改。与先前版本相比,图像质量有所提高与先前版本相比,图像生成速度大大加快。示例图像让我们看看新旧AI模型在结果上的差异。Prompt: Luxury sports car with aerodynamic curves, shot in a

五年后AI所需算力超100万倍!十二家机构联合发表88页长文:「智能计算」是解药五年后AI所需算力超100万倍!十二家机构联合发表88页长文:「智能计算」是解药Apr 09, 2023 pm 07:01 PM

人工智能就是一个「拼财力」的行业,如果没有高性能计算设备,别说开发基础模型,就连微调模型都做不到。但如果只靠拼硬件,单靠当前计算性能的发展速度,迟早有一天无法满足日益膨胀的需求,所以还需要配套的软件来协调统筹计算能力,这时候就需要用到「智能计算」技术。最近,来自之江实验室、中国工程院、国防科技大学、浙江大学等多达十二个国内外研究机构共同发表了一篇论文,首次对智能计算领域进行了全面的调研,涵盖了理论基础、智能与计算的技术融合、重要应用、挑战和未来前景。论文链接:​https://spj.scien

​什么是Transformer机器学习模型?​什么是Transformer机器学习模型?Apr 08, 2023 pm 06:31 PM

译者 | 李睿审校 | 孙淑娟​近年来, Transformer 机器学习模型已经成为深度学习和深度神经网络技术进步的主要亮点之一。它主要用于自然语言处理中的高级应用。谷歌正在使用它来增强其搜索引擎结果。OpenAI 使用 Transformer 创建了著名的 GPT-2和 GPT-3模型。自从2017年首次亮相以来,Transformer 架构不断发展并扩展到多种不同的变体,从语言任务扩展到其他领域。它们已被用于时间序列预测。它们是 DeepMind 的蛋白质结构预测模型 AlphaFold

AI模型告诉你,为啥巴西最可能在今年夺冠!曾精准预测前两届冠军AI模型告诉你,为啥巴西最可能在今年夺冠!曾精准预测前两届冠军Apr 09, 2023 pm 01:51 PM

说起2010年南非世界杯的最大网红,一定非「章鱼保罗」莫属!这只位于德国海洋生物中心的神奇章鱼,不仅成功预测了德国队全部七场比赛的结果,还顺利地选出了最终的总冠军西班牙队。不幸的是,保罗已经永远地离开了我们,但它的「遗产」却在人们预测足球比赛结果的尝试中持续存在。在艾伦图灵研究所(The Alan Turing Institute),随着2022年卡塔尔世界杯的持续进行,三位研究员Nick Barlow、Jack Roberts和Ryan Chan决定用一种AI算法预测今年的冠军归属。预测模型图

See all articles

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

AI Hentai Generator

AI Hentai Generator

免費產生 AI 無盡。

熱門文章

R.E.P.O.能量晶體解釋及其做什麼(黃色晶體)
2 週前By尊渡假赌尊渡假赌尊渡假赌
倉庫:如何復興隊友
4 週前By尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island冒險:如何獲得巨型種子
4 週前By尊渡假赌尊渡假赌尊渡假赌

熱工具

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具

SecLists

SecLists

SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。

Safe Exam Browser

Safe Exam Browser

Safe Exam Browser是一個安全的瀏覽器環境,安全地進行線上考試。該軟體將任何電腦變成一個安全的工作站。它控制對任何實用工具的訪問,並防止學生使用未經授權的資源。

EditPlus 中文破解版

EditPlus 中文破解版

體積小,語法高亮,不支援程式碼提示功能

mPDF

mPDF

mPDF是一個PHP庫,可以從UTF-8編碼的HTML產生PDF檔案。原作者Ian Back編寫mPDF以從他的網站上「即時」輸出PDF文件,並處理不同的語言。與原始腳本如HTML2FPDF相比,它的速度較慢,並且在使用Unicode字體時產生的檔案較大,但支援CSS樣式等,並進行了大量增強。支援幾乎所有語言,包括RTL(阿拉伯語和希伯來語)和CJK(中日韓)。支援嵌套的區塊級元素(如P、DIV),