[论文翻译]通过协作基础模型增强新物体检测能力

在本工作中，我们解决了新颖物体检测（NOD）这一具有挑战性的新兴问题，专注于在推理过程中准确检测已知和未知物体类别。传统物体检测算法本质上是闭集的，限制了其处理NOD的能力。我们提出了一种新方法，将现有闭集检测器转化为开集检测器。这一转化通过我们的协同机制，利用预训练基础模型（特别是CLIP和SAM）的互补优势实现。此外，通过将该机制与GDINO等先进开集检测器结合，我们在物体检测性能上建立了新基准。我们的方法在LVIS数据集上实现了17.42的新颖物体检测mAP和42.08的已知物体mAP。将我们的方法应用于COCO OVD分割时，我们获得了49.6 Novel AP50的优异结果，优于具有相似骨干网络的现有SOTA方法。我们的代码位于：