《LAVT: Language-Aware Vision Transformer forReferring Image Segmentation》关于语言指导的图像分割的论文笔记

本文介绍了一种新的图像分割方法,通过在视觉Transformer的早期层次融合语言信息,改善了跨模态对齐。方法包括语言感知的视觉编码和PWAM模块,能有效利用视觉-语言线索。与传统分步编码和解码策略相比,这种方法在处理指称表达时更有效率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

介绍

Referring image segmentation(我翻译成语言指导的图像分割)其目的就是从图像中分割出自然语言表达式所指称的对象。该任务背后的关键挑战之一是利用指称表达式突出图像中的相关位置。在这篇论文中,作者通过在视觉Transformer编码器网络的中间层中早期融合语言和视觉特征,可以实现更好的跨模态对齐。

与先前方法的对比

先前的最先进方法是将图像和语言特征分开编码,然后利用Transformer解码器进行跨模态特征融合,比如将解码器的Q换成语言特征编码,从而实现多模态融合。

作者提出的方法在视觉Transformer网络的中间层将语言信息直接集成到视觉特征中,其中有益的视觉-语言线索被联合利用。对比图如下:

模型框架

模型整体结构如上图。

语言感知的视觉编码(Language-aware visual encoding)

将语言表达式嵌入高维词向量L=Ct*T(Ct是通道数,T是单词数)。编码层有四个Stage,每个Stage有三个步骤:一组Transformer编码层,一个多模态融合模块θi,一个可学习的门控单元ψi。每个Stage都生成或改进语言感知的视觉特征。首先,Transformer将前一阶段的特征作为输入,输出丰富的视觉特征Vi=Ci*Hi*Wi。然后,多模态融合模块将Vi和语言特征L结合,得到多模态特征Fi=Ci*Hi*Wi。最后,Fi中的每个元素被可学习的门控单元加权,然后将元素添加到Vi中产生一组嵌入语言信息的增强视觉特征Ei=Ci*Hi*Wi。


PWAM(像素字注意力模块)

输入的视觉特征Vi=Ci*Hi*Wi,输入的语言特征L=Ct*T;Vi与wiq权重矩阵相乘得到Query=Ci*Hi*Wi,L分别与wik和wiv权重矩阵相乘得到Key=Ci*T和Value=Ci*T。通过类似注意力机制的计算方法得到与Vi具有相同形状的语言特征Gi=Ci*Hi*Wi。通过以下计算进行融合:Vim=wim(Vi),Fi=wio(Vim元素级乘法Gi),权重相乘后还有ReLU函数。


语言路径(控制PWAM的输出的特征与Transdormer每层输出的特征合并的强弱)

对于输入的Fi通过一个两层感知机(1*1conv,ReLU,1*1conv,Tanh)映射出一个矩阵Si,Si与输入的Fi元素级相乘得到的输入再与Transformer中的图像特征融合:Ei=Si元素级*Fi+Vi。


解码过程

初始Y4=F4;Yi=投影函数([对Yi+1上采样再与Fi沿着通道维度拼接]);其中投影函数是通过批处理归一化和ReLU非线性连接的两个3*3卷积实现的。

### 关于三相VIENNA整流器在Simulink中的仿真 #### 创建三相VIENNA整流器的Simulink模型 为了创建一个用于仿真的三相VIENNA整流器模型,可以遵循以下构建过程: 1. **初始化项目** 启动MATLAB并打开一个新的Simulink模型窗口。 2. **添加基本组件** 从库浏览器中拖拽必要的模块至工作区。这些模块应包括但不限于电压源、电流传感器、电阻负载以及功率开关等元件来构成完整的VIENNA整流器拓扑结构[^2]。 3. **配置控制器逻辑** 设置PWM发生器以生成适当的脉宽调制信号给定各个功率开关的状态变化规律;同时加入PI调节器用来维持输出直流侧电压稳定,并确保系统的动态响应特性良好。 4. **定义输入条件与测量点** 设定合适的交流电源参数作为输入激励,比如线间电压幅值和频率等属性;另外还需指定若干观测节点以便后续分析结果数据,例如各支路电流波形图样及其频谱特征。 5. **执行仿真测试** 调整好所有相关联部件之后就可以开始运行模拟实验了,在此期间密切监视各项指标表现情况直至达到预期效果为止。 6. **保存文件** 完成上述操作后记得及时存盘以防意外丢失进度成果。 ```matlab % 打开新的Simulink模型 new_system('ViennaRectifierModel'); open_system('ViennaRectifierModel'); % 添加所需模块 (示例代码片段) add_block('simulink/Sources/AC Voltage Source','ViennaRectifierModel/VoltageSource'); add_block('powerlib/Electrical Sources/PWAM Generator', 'ViennaRectifierModel/PWMGenerator'); ... ``` 对于具体实例下载方面,MathWorks官方文档提供了丰富的资源链接可以直接访问获取更多详细的指导说明和支持材料。此外也可以尝试浏览学术论文数据库或是技术论坛社区寻找开源共享案例供学习参考之用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值