多倍的类。与现有的分割数据集如或相比我们的注释比以前的工作涵盖了更多的类和更多的图像。新的点标签注释是中的第一种注释类型它为事物可数对象如汽车猫和双体船和事物类别不可数对象如草花岗岩和砾石提供本地化信息。总体而言新收集的数据大致相当于两年的人工注释工作。我们的初步实验表明这种类型的稀疏数据适用于训练和评估分割模型。直接在稀疏数据上训练模型使我们能够达到与密集注释训练相当的质量。类似地我们表明可以直接计算稀疏数据上的传统语义分割交并度量。不同方法之间的排名被保留稀疏值是其密集版本的准确估计。
请参阅我们的论文了解更多详细信息。下面我们展示了四个示例图像及其点级标签说明了这些注释提供的丰富多样的信息。圆是是标签方框是否标签。四个带有点级标签的示例 佐治亚州手机号码列表 图像。图片由和提供均获得许可。新的展示台除了新的数据发布之外我们还扩展了注释的可用可视化。网站现在包括专用的可视化工具用于探索本地化的叙述注释新的点级注释和新的一体化视图。这一新的一体化视图可用于万张密集注释图像的子集并允许人们探索在七个版本中积累的丰富注释。平均而言这些图像具有个图像标签类个框个关系个掩模个本地化叙述和个点标签的注释。下面我们在一体化可视化工具中展示了两个带有各种注释的示例图像。
这些图显示了图像级标签边界框框关系实例蒙版本地化叙述性鼠标轨迹和标题以及点级标签。类具有正注释任何类型而类仅具有负注释图像级或点级。一体化可视化工具中带有各种注释的两个示例图像。图片由和提供均获得许可。结论我们希望这一新数据的发布将使计算机视觉研究能够涵盖更加多样化和具有挑战性的场景。随着自动语义分割模型的质量相对于常见类别的提高我们希望朝着视觉概念的长尾方向发展而稀疏点注释是朝这个方向迈出的一步。越来越多的工作正在探索如何使用这种稀疏注释例如作为实例分割或语义分割的监督为这个研究方向做出了贡献。我们期待看到您下一步将构建什么。