关于模型推理过程中视觉查询特征与文本特征的融合增强

YifanXu74 / MQ-Det

Official PyTorch implementation of "Multi-modal Queried Object Detection in the Wild" (accepted by NeurIPS 2023)

Apache License 2.0

258 stars 12 forks source link

Open Real-UtopiaNo opened 5 months ago

Real-UtopiaNo commented 5 months ago

文章中提到，在训练阶段，增强后的视觉查询的特征会和对应的文本特征进行交叉注意力融合。那么在验证阶段，视觉查询特征如何选择和哪个文本特征进行融合增强？期待您的回复！