- …
- …
#614
summarized by : Yue Qiu
どんな論文か？
Referring expressionの新たなOne-stage End-to-End学習可能なモデルRCCFを提案．RCCFはこの問題設定をcorrelation Filtering問題として，テキストを視覚ドメインにマップし，それをTemplateとし画像特徴マップでFilteringを行う．correlation マップのPeak値で物体BBOX算出．更に物体のサイズとオフセットを回帰．
新規性
①従来の手法は主に2-stageで行う．まず物体のProposalsを導き，次のStageでTextの情報によりProposalsから物体領域を出力．この研究でReferring expressionをcorrelation Filtering問題とし，One-stageにより行える．②2-staged手法より高い精度、速い，かつbbox proposals Ground truth必要ない．
結果
①40 FPSでリアルタイムで行える；②RefClef, RefCOCO, RefCOCO+, RefCOCOgの4つのデータセットでSOTAな精度を達成．③RefClefデータセットで従来のSOTAを34.70%から63.79%まで更新．
その他（なぜ通ったか？等）
①性能が良かった．精度、RuntimeがSOTA；②手法が理解しやすい；③TrainingにBBOX ProposalsのGround Truthが必要ない．
- …
- …