CVPR 202：擅长处理复杂场景和语言表达，清华&博世提出全新实例分割网络架构MagNet
【5月更文挑战第10天】在CVPR 2024会议上，清华大学与博世团队推出MagNet，一种针对复杂场景和语言表达的实例分割网络。MagNet通过Mask Grounding辅助任务强化视觉-语言对应，缩小模态差距，并结合跨模态对齐损失与模块，提升RIS任务的准确性。在RefCOCO、RefCOCO+和G-Ref基准上取得显著优势，但对罕见表达和复杂场景的处理仍有待优化。[论文链接](https://arxiv.org/abs/2312.12198)