GFSS General Few-Shot Segmentation

• 任务实现方式与zero-shot有所不同
• 本篇论文只涉及同一个模态(图像)，训练过程中，novel class有几个图像提供，提供k个就称之为k-shot。
• 先从图像中提取class prototype，然后这个原型向量作为查询，与图像的patch嵌入计算相似度，然后得到最后的掩码矩阵。
  

RD

• 先对patch嵌入和原型作逐元素乘法，然后赋予其特定权重。权重就是二者的相似度分数。
  

• 从VIT中提取多个patch嵌入，拼接在一起，经过线性层作为key，value。

• 拼接多个VIT layer的RD和类别原型向量，经过线性层作为query。
  

局限

依赖ViT单模态能力、计算成本高、对小样本噪声敏感。