DualMem: Nuovo Metodo OWOD Calibra il Filtraggio dello Stream Sconosciuto
Esiste un nuovo metodo chiamato DualMem per il rilevamento di oggetti in mondo aperto, che mira a risolvere il problema delle previsioni sconosciute miste. Gli studi mostrano che in sistemi OWOD potenti come PROB, OW-DETR e HypOW, meno del 10% degli sconosciuti positivi futuri compaiono nelle previsioni sconosciute, mentre i falsi positivi dallo sfondo possono raggiungere tra il 46% e il 71%. Questo problema deriva da un collo di bottiglia nella testa di objectness. Ad esempio, in PROB Task 1, una sonda lineare su una query del decoder a 256 dimensioni ha un AUROC di 0,908 per distinguere sconosciuti positivi e negativi, ma lo scalare finale di objectness scende a 0,642. L'uso di una caratteristica SigLIP congelata migliora questa separabilità durante il filtraggio (AUROC = 0,871). DualMem fornisce un approccio di filtraggio intelligente per affrontare questo problema, e il documento di ricerca completo è disponibile su arXiv con ID 2605.23634.
Fatti principali
- DualMem è un nuovo metodo per il rilevamento di oggetti in mondo aperto.
- Gli stream di previsioni sconosciute nei rilevatori OWOD sono fortemente inquinati.
- Gli sconosciuti positivi futuri costituiscono meno del 10% delle previsioni sconosciute.
- I falsi positivi dello sfondo rappresentano il 46-71% delle previsioni sconosciute.
- Il problema è un collo di bottiglia informativo nella testa di objectness.
- In PROB Task 1, una sonda lineare su query del decoder a 256 dimensioni raggiunge AUROC 0,908.
- Lo scalare finale unidimensionale di objectness scende a AUROC 0,642.
- Una caratteristica SigLIP congelata raggiunge AUROC 0,871 nella fase di filtraggio.
Entità
Istituzioni
- arXiv