개요
비전-언어 사전 학습은 이러한 유연성을 지원하지만, 카테고리의 이름을 지정한다고 해서 그것이 올바르게 검출된다는 보장은 없습니다.
심층 분석
폐쇄형 집합(closed-set) 검출기는 학습된 카테고리 어휘에서 예측합니다. 개방형 어휘 접근법은 시각적 특징과 함께 언어 표현을 사용하여 추론 시점의 텍스트가 추가 카테고리를 지정할 수 있도록 합니다. 일반적인 임베딩 기반 설계에서는 고정된 클래스별 분류기 가중치에만 의존하는 대신 영역 특징을 텍스트 임베딩과 비교합니다. ViLD, OWL-ViT, GLIP, Detic, Grounding DINO와 같은 모델마다 학습 및 그라운딩 메커니즘은 다르지만, 이미지-텍스트 사전 학습은 공유된 표현을 제공합니다. 상자 레이블이 지정된 클래스와 관련하여 새롭다는 것이 모든 사전 학습 데이터에 아예 없다는 것을 의미하는 것은 아닙니다. 객체 검출은 위치(일반적으로 경계 상자)와 의미적 일치 여부를 예측합니다. 예측을 데이터셋 주석으로 사용하기 전에 프롬프트, 임계값, 도메인 변화를 평가하십시오. 임의의 텍스트가 임의의 정확한 인식을 보장하는 것은 아닙니다.
실제 구현
재교육 없이 이름을 입력하여 희귀하거나 사용자 정의된 개체에 대한 이미지 검색
사용자가 항목을 파악하기 전에 자연어로 이름을 지정하는 항목을 찾는 로봇 시스템
텍스트 목록에서 많은 새로운 카테고리를 감지하여 데이터세트에 자동으로 라벨을 지정합니다.
원래 훈련 레이블에 없는 설명된 객체에 플래그를 지정하는 콘텐츠 조정
개방형 어휘 객체 감지의 미래
개방형 어휘 탐지는 자유 형식 구문(단지 단일 단어가 아님)이 개체를 위치화하는 접지 및 분할과 마스크용 SAM과 같은 모델과 결합된 신속한 시스템으로 수렴됩니다. 더 강력한 제로샷 정확도, 더 길고 더 구성적인 텍스트 쿼리('노트북 뒤의 빨간색 머그'), 주문형 감지 다중 모달 지원과의 긴밀한 결합을 기대하세요. 웹 규모의 이미지-텍스트 훈련이 향상됨에 따라 감지, 검색 및 언어 이해 사이의 경계는 일반적인 시각적 기반으로 계속 모호해질 것입니다.
실천에 옮기기
왜 중요한가요?
- 속도와 규모. Visual AI는 대규모 검사, 감지 및 태그 지정 작업을 자동화할 수 있습니다.
- 빌드 선택. 크리에이티브 팀은 수동 수정 횟수를 줄여 컨셉의 프로토타입을 더 빠르게 제작할 수 있습니다.
- 팀과 워크플로우. 이전에는 처리하기 어려웠던 이미지 및 비디오 신호를 작업에 사용할 수 있습니다.
조심하세요
- 출처가 불분명할 경우 이미지 권리 및 동의는 법적 위험이 될 수 있습니다.
- 모델 성능은 조명, 인구통계, 환경에 따라 달라질 수 있습니다.
- 신뢰도 임계값을 모니터링하지 않으면 거짓양성이 발견되지 않을 수 있습니다.
다음 단계
- 정밀도, 재현율, 오류 비용에 대한 허용 기준을 정의합니다.
- 실제 생산 조건과 일치하는 데이터로 테스트합니다.
- 신뢰도가 낮거나 영향력이 큰 예측에 대해 인적 검토를 추가합니다.
- 모델 드리프트를 추적하고 카메라 또는 데이터 세트가 변경된 후 재검증합니다.
계속 탐색하세요
무료 뉴스레터
일일 AI 브리핑 받기
매주 평일 아침마다 3개의 검증된 AI 스토리를 일반 영어로 작성합니다. 무료이며, 광고 없음.
매주 평일마다 한 번 이메일을 받습니다. 한 번 클릭으로 구독 해지. 주소를 판매하거나 공유하지 않습니다.
자신을 테스트해 보세요
개방형 어휘 객체 검출 퀴즈 풀기
모든 답변에 즉각적인 피드백과, 과정을 통과하면 검증 가능한 ID가 있는 공유 가능한 인증서를 제공합니다.
무료 AI 교육을 지원합니다. AI Understanding는 501(c)(3) 비영리 단체입니다 — 광고 없음, 유료 장벽 없음, 영원히. 기부하기
자주 묻는 질문
개방형 어휘 객체 검출이란 무엇인가요?
개방형 어휘 객체 검출기는 고정된 상자 레이블 클래스 목록을 넘어 텍스트를 사용하여 위치 지정을 위한 카테고리나 설명을 지정합니다. 비전-언어 사전 학습은 이러한 유연성을 지원하지만, 카테고리의 이름을 지정한다고 해서 그것이 올바르게 검출된다는 보장은 없습니다.
개방형 어휘 객체 감지의 정의 기능은 무엇입니까?
개방형 어휘 감지는 테스트 시 텍스트로 지정된 범주를 지역화할 수 있습니다. 경계 상자로 레이블이 지정된 것을 본 적이 없는 범주도 마찬가지입니다.
일반적인 임베딩 기반 개방형 어휘 검출기에서 후보 영역은 사용자가 제공한 레이블과 어떻게 매칭되나요?
이것은 일반적인 설계이며, 더 풍부한 그라운딩 아키텍처는 추가적인 언어-영역 상호작용을 추가할 수 있습니다.
개방형 어휘 감지를 가장 활성화하는 사전 학습 리소스는 무엇입니까?
CLIP 스타일 모델에서 사용되는 대규모 이미지-텍스트 데이터는 텍스트를 새로운 카테고리로 일반화할 수 있는 공유 임베딩 공간을 구축합니다.
일반적인 임베딩 기반 개방형 어휘 설계에서 고정된 클래스별 분류기 가중치를 대체하는 것은 무엇인가요?
레이블 표현을 통해 제공된 어휘를 다양하게 변경할 수 있으며, 텍스트와 시각적 상호작용의 세부 사항은 아키텍처마다 다릅니다.
다음 중 공개 어휘 또는 접지 감지 모델의 예는 무엇입니까?
접지 DINO는 GLIP, OWL-ViT, ViLD 및 Detic과 함께 잘 알려진 개방형 어휘 또는 접지 감지기입니다.