:fire: [ICLR2023, ECCV2022, TPAMI2024] 用于场景理解的强大多任务Transformer模型

:scroll: 简介

本仓库提供了两个用于场景理解的强大多任务Transformer模型的代码和模型。详情请查看以下页面：

叶翰荣和徐丹，TaskPrompter：用于密集场景理解的空间-通道多任务提示。 ICLR 2023

<p align="center"> <img alt="img-name" src="https://yellow-cdn.veclightyear.com/0a4dffa0/d049125e-06ae-45c9-a4e1-cb4e05b37252.gif" width="900"> </p>

叶翰荣和徐丹，用于密集场景理解的倒金字塔多任务Transformer。 ECCV 2022

<p align="center"> <img alt="img-name" src="https://yellow-cdn.veclightyear.com/0a4dffa0/188c2c87-7aee-4e0c-8365-011ac197c8e4.gif" width="900"> <img alt="img-name" src="https://yellow-cdn.veclightyear.com/0a4dffa0/80137ed7-bc0f-4ef4-8568-3577a21eeba2.gif" width="900"> </p>

引用

BibTex:

@InProceedings{invpt2022,
  title={Inverted Pyramid Multi-task Transformer for Dense Scene Understanding},
  author={Ye, Hanrong and Xu, Dan},
  booktitle={ECCV},
  year={2022}
}
@InProceedings{taskprompter2023,
  title={TaskPrompter: Spatial-Channel Multi-Task Prompting for Dense Scene Understanding},
  author={Ye, Hanrong and Xu, Dan},
  booktitle={ICLR},
  year={2023}
}
@article{ye2023invpt++,
  title={InvPT++: Inverted Pyramid Multi-Task Transformer for Visual Scene Understanding},
  author={Ye, Hanrong and Xu, Dan},
  journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
  year={2024}
}

如果您觉得这个仓库有帮助，请考虑 :star2: 给我们的项目点个星，以便与您的社区分享！

联系方式

如有任何问题，请联系叶翰荣。

相关项目

多任务少样本学习：Visual Token Matching（ICLR 2023杰出论文奖）