Segmentation d'expression de référence

La segmentation d'expressions de référence vise à effectuer une annotation au niveau des pixels d'instances d'objets spécifiques dans des images ou des vidéos à travers des expressions linguistiques. Cette tâche nécessite que l'expression de référence (ER) puisse identifier de manière unique l'objet cible dans la scène ou le dialogue, garantissant ainsi la précision et l'unicité de l'annotation. Cette technologie présente une valeur d'application significative dans l'interaction homme-machine, l'édition d'images et la compréhension du contenu.