DynRefer：动态分辨率提升区域级多模态理解

中国科学院大学的研究团队开发了一种名为DynRefer的新技术，它模仿人类视觉系统，以动态分辨率提高区域级多模态任务的准确性。这项创新在区域识别、属性检测和字幕生成方面表现出优越性能，特别是在RefCOCOg数据集的captioning任务中，CIDEr得分超过现有最佳方法。DynRefer通过模拟动态分辨率和多任务学习，成功提升了模型在处理图像区域理解和描述时的效能。
来源：https://mp.weixin.qq.com/s/Pb89q9qTek98ifNLRxy7hQ