SIA-OVD: مكيف ثابت الشكل لجسر الفجوة بين الصورة والمنطقة في الكشف عن المفردات المفتوحة

الكشف عن المفردات المفتوحة (OVD) يهدف إلى اكتشاف الأشياء الجديدة دون الحاجة إلى تسميات على مستوى الحالة لتحقيق الكشف عن الأشياء في العالم المفتوح بتكلفة أقل. تعتمد الطرق الحالية للOVD بشكل أساسي على قدرة النماذج المشتركة بين الرؤية واللغة (VLM) مثل CLIP على مواءمة الصور والنصوص بمفردات مفتوحة. ومع ذلك، يتم تدريب CLIP على أزواج الصور والنصوص وتفتقر إلى القدرة الإدراكية للمناطق المحلية داخل الصورة، مما يؤدي إلى وجود فجوة بين تمثيلات الصورة والمنطقة. استخدام CLIP مباشرة للOVD يؤدي إلى تصنيف غير دقيق للمناطق. نجد أن الفجوة بين الصورة والمنطقة تعود أساسًا إلى تشوه خرائط ميزات المنطقة أثناء استخراج منطقة الاهتمام (RoI). لحل مشكلة التصنيف غير الدقيق في OVD، نقترح مكيفًا جديدًا ثابت الشكل يُسمى SIA-OVD لتقريب الفجوة بين الصورة والمنطقة في مهمة OVD. يقوم SIA-OVD بتعلم مجموعة من المكيفات لميزات المناطق ذات الأشكال المختلفة وتصميم آلية جديدة لتخصيص المكيف الأنسب لكل منطقة. يمكن أن تتماشى التمثيلات المتكيفة للمناطق بشكل أفضل مع التمثيلات النصية التي تعلمها CLIP. أثبتت التجارب الواسعة أن SIA-OVD يحسن بشكل فعال دقة تصنيف المناطق من خلال معالجة الفجوة بين الصور والمناطق الناجمة عن تشوه الأشكال. حقق SIA-OVD تحسينات كبيرة على الطرق المعروفة في معيار COCO-OVD. يمكن الحصول على الكود من الرابط https://github.com/PKU-ICST-MIPL/SIA-OVD_ACMMM2024.