要点:
1、APE 是一种全开源的多模态分割模型，通过独立建模每个类别名实例、压缩 Word-Level Embeddings 为 Sentence-Level Embeddings、采用不同的特征融合方式以及统一前景和背景粒度来提高分割效果。
2、APE 的方法主要包括独立建模每个类别名实例、压缩 Word-Level Embeddings 为 Sentence-Level Embeddings、采用不同的特征融合方式、通过矩阵乘法进行 Object Embeddings 和 Prompt Embeddings 之间的相似度计算以及统一前景和背景粒度。在多个常见数据集上进行实验，APE 方法取得了强力的分割效果。
3、APE 方法在各个检测、分割和指向性检测数据集上都比之前的方法表现好，在 D3数据集上取得了显著的提升。在开集检测、开集分割和视觉定位等任务上，APE 方法也展现出竞争力，取得了新的 SOTA 结果。
AICMTY（aicmty.com）12月10日 消息:APE 是一种全开源的多模态分割模型，其独特之处在于采用了独立建模每个类别名实例的方法。以往的方法通常将多个类别名联结成一个单独的 Prompt，但 APE 通过对每个类别名或描述短语进行独立建模，可以学习到不同实例之间的差异。此外，APE 还通过压缩 Word-Level Embeddings 为 Sentence-Level Embeddings 来减少计算复杂度和内存消耗，从而有效地表达语义信息。
论文地址:https://arxiv.org/pdf/2312.02153.pdf
开源链接:https://github.com/shenyunhang/APE
Demo链接:https://huggingface.co/spaces/shenyunhang/APE_demo
APE 采用了不同的特征融合方式来处理不同类型的 Prompt。对于纯类别名的文本特征，采用一种 “zero” 文本 token 作为替代，以避免过拟合问题。而对于语言描述的文本特征，采用特定的融合方式将其与视觉特征进行语义级的理解。此外，APE 还通过矩阵乘法计算 Object Embeddings 和 Prompt Embeddings 之间的相似度，从而实现一次性检测和分割。
APE 还通过统一前景和背景粒度来提高分割效果。在分割任务中，前景和背景的粒度是不同的，但传统方法往往面临前背景冲突的问题。为此，APE 提出统一前景和背景的粒度，将背景的不同块视为独立的标签，从而使模型可以采用统一的架构训练前景和背景数据，并方便地融入大规模的 Class-Agnostic 数据。
APE 在各个检测、分割和指向性检测数据集上都取得了强力结果。特别是在 D3数据集上，APE 的表现显著优于其他方法。在开集检测任务中，APE 在常见数据集上的效果也明显优于其他方法。此外，APE 还在开集分割任务和视觉定位任务上取得了竞争性的结果，在 RoboFlow100和 ODinW 评测基准上取得了新的 SOTA。
APE 是一种非常有潜力的多模态分割模型，具有广泛的应用前景。通过独立建模每个类别名实例、压缩 Word-Level Embeddings 为 Sentence-Level Embeddings、采用不同的特征融合方式、通过矩阵乘法进行 Object Embeddings 和 Prompt Embeddings 之间的相似度计算以及统一前景和背景粒度，APE 在多个常见数据集上取得了强力的分割效果，并展现出竞争力的结果。未来的研究可以进一步探索 APE 在其他视觉任务中的应用，以及对其方法进行优化和改进。
