Talk | 南洋理工大学博士后研究员李祥泰：基于Transformer的视觉分割模型总结、回顾与展望

​

本期为TechBeat人工智能社区第517期线上Talk！

北京时间7月27日(周四)20:00，南洋理工大学博士后研究员—李祥泰的Talk已经准时在TechBeat人工智能社区开播了！

他与大家分享的主题是: “基于Transformer的视觉分割模型总结、回顾与展望”，系统性地回顾与总结了Transformer模型。

Talk·信息

▼

主题：基于Transformer的视觉分割模型总结、回顾与展望

嘉宾：南洋理工大学博士后研究员 李祥泰

时间：北京时间 7月27日(周四)20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

 点击下方链接，一键预约TALK！

TechBeatTechBeat是荟聚全球华人AI精英的成长社区，每周上新来自顶尖大厂、明星创业公司、国际顶级高校相关专业在读博士的最新研究工作。我们希望为AI人才打造更专业的服务和体验，加速并陪伴其成长。https://www.techbeat.net/talk-info?id=794

Talk·介绍

▼

分割是一个基础性质的视觉任务，其目标是把输入的图像，视频，点云等划分成为带有语义性质的区域块。作为一个重要的场景理解任务，分割任务有着广泛的应用价值，包括自动驾驶，机器人导航，短视频分析。

在深度学习时代，分割领域采用以卷积神经网络为基础的全卷积网络，在各个子方向上取得了突破性的进展。近期，以Transformer为基础的一些方法在NLP以及CV领域各个方向上也取得了突破性的进展。相比于CNN模型，Transformer模型结构上更灵活，更适用于多模态，多任务的输入。

在分割与检测领域，基于Transformer的模型在各个基准上也取得了领先的效果。自从ViT和DETR出现后，在各个子方向上，最新的研究方法均建立在Transformer为骨干网络和解码器的基础框架上。鉴于目前这个领域近期快速进展，我们课题组对整个领域做了系统性地回顾与总结。整个Survey的内容包括基础知识与任务设置介绍，Transformer的基础内容介绍，CNN分割模型的系统性回顾，基于Transformer的分割模型回顾，相关基准数据集的评估与测试，以及未来可行的研究方向探索。

Talk大纲

1、近期3-4年内常见的分割方法系统回顾与探索。

2、基于Transformer 的分割与检测方法的系统性回顾，包含图像，视频，点云三个不同的领域。

3、本研究组以及近期相关研究组的Transformer-based Segmentation/Detection 方法的研究。

4、近期与分割大模型相关的研究回顾。

Talk·预习资料

▼

​

论文链接：

https://arxiv.org/abs/2304.09854

repo：

https://github.com/lxtGH/Awesome-Segmentation-With-Transformer

Talk·提问交流

▼

在Talk界面下的【交流区】参与互动！留下你的打call和问题，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

​

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

Talk·嘉宾介绍

▼

李祥泰

南洋理工大学博士后研究员

南洋理工大学S-lab博士后研究员，博士毕业于北京大学，研究方向包括计算机视觉和机器学习，图像视频分割与检测，多模态场景理解等。曾以第一作者身份在CVPR，ECCV，ICCV，PAMI顶级会议以及期刊上发表一些相关研究。

个人主页: 

https://www.techbeat.net/grzytrkj?id=6355

---

关于TechBeat人工智能社区

▼

TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。

我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。

期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>TechBeat，一个荟聚全球华人AI精英的学习成长社区