SetCon: На пути к открытой сегментации с помощью Концепции определенного уровня

arXiv:2605.20110v2 Вид уведомления: заменить резюме: отсылать вопросы на естественном языке к маскам уровня пикселя, но распространить их на сложные сценарии с множественными случаями, группами категорий или открытыми целевыми наборами. Предыдущие методы, основанные на модели Большого Видения (МОДЛ), представляют собой переданные цели с одним или несколькими специальными символами последовательной работы, рассматривая несколько целевых показателей как отдельные результаты, а не согласованный набор и предлагая мало стимулов для учета таких определенных свойств, как полнота и взаимная исключительность. Мы переформулируем открытую ссылку на сегментацию как четкое прогнозирование концепции установленного уровня и предлагаем сет-кон, в котором используются естественно-язычные концепции LVLM вместо символов, характерных для сегментации, в качестве семантических условий для совместной декодации масок. В иерархическом семантическом разложении сначала предсказывается общая концепция установленного уровня, определяющая целевой охват и затем уточняющая его в мелкозернистый