浙大李玺团队：指代表达理解新方法，ScanFormer粗到细迭代消除视觉冗余

浙江大学研究团队提出了一种名为ScanFormer的新框架，旨在优化指代表达理解（REC）任务中的视觉编码过程。该方法采用迭代扫描图像金字塔的技术，优先关注与任务更相关的前景区域，从而显著降低了计算成本，提高了模型的效率。实验表明，ScanFormer在多个基准数据集上的表现接近最先进水平，并具备实时推理能力。
来源：https://mp.weixin.qq.com/s/NOIb-jwC0s9dDm7lCfzobQ