V

Video Mask2former Swin Small Youtubevis 2021 Instance

由shivalikasingh開發
基於YouTubeVIS-2021數據集訓練的Video Mask2Former模型,用於視頻實例分割任務,採用Swin Transformer作為骨幹網絡。
下載量 18
發布時間 : 3/22/2023

模型概述

該模型是Mask2Former在視頻實例分割任務上的擴展應用,通過統一範式處理實例分割、語義分割和全景分割任務,預測一組掩碼及其對應標籤。

模型特點

統一分割範式
將實例分割、語義分割和全景分割統一視為實例分割問題處理
高效注意力機制
採用多尺度可變形注意力Transformer替代傳統像素解碼器
掩碼注意力解碼器
使用帶掩碼注意力的Transformer解碼器提升性能而不增加計算量
高效訓練策略
通過子採樣點計算損失而非整張掩碼,顯著提升訓練效率

模型能力

視頻實例分割
多目標跟蹤
動態場景分析

使用案例

視頻分析
自動駕駛場景理解
識別和跟蹤道路上的動態物體
可準確分割移動車輛和行人
視頻監控
即時分析監控視頻中的多目標運動
支持多目標同時跟蹤和分割
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase