开放世界计数
通过双提示机制融合框与文本信息，实现可泛化的开放世界物体计数。
Zhai, Wenzhe · Jianyong, Wang · 高明亮 · Nappi, Michele · Cascone, Lucia · Zhu, Xianxun · Rida, Imad
Information Fusion 2026
统一的框架同时处理多种物体类别，不再需要为每个类别单独设计专用模型。
双提示机制将框提示与文本提示融合，在不同场景中都能生成有效的特征表示，增强适应性。
文本蒸馏模块将融合令牌中的语义知识迁移到物体查询，空间位置感知模块用动态卷积和注意力机制捕捉上下文依赖，两者结合使多模态表示对齐更精确。
在多个计数基准上的综合实验表明，该模型优于现有最优方法，且泛化能力更强。