#Vision Transformer

20:14研究拡散指数 36

動画セグメンテーションモデル「VidEoMT」：通常のViTで最大160FPSの高速追跡を実現

研究チームがエンコーダのみで動く動画セグメンテーションモデル「VidEoMT」を発表しました。複雑な追跡専用モジュールを排し、通常のViTとフレーム間のクエリ伝播のみで対象を追跡することで、従来手法より5〜10倍高速な最大160 FPSを達成しています。