Visual Prompting for Generalized Few-shot Segmentation: A Multi-scale Approach 广义少样本学习，少样本学习的一种更现实的变体引入，允许从基类或新类中查询图像。 广

conda create -n Janus python=3.10 -yconda activate Januspip install -e .pip install gradioexport HF_ENDPOINT="https://hf

Zero-shot Referring Expression Comprehension via Structural Similarity Between Images and Captions概要通过图像和标题之间的结构相似性进行零样本

Few-Shot Object Detection with Foundation Models 小样本目标检测（FSOD）的目的是通过一些训练样本（也叫做support image）来检测没见过的新目标。 视觉特征提取和支持查询的相似度

yolov7整体结构输入input、骨干网络backbone、颈部neck、头部head 图片经过input部分数据增强等一系列操作进行预处理后，被送入backbone backbone对处理后的图片提取特征 提取到的特征经过 Neck

ID-like Prompt Learning for Few-Shot Out-of-Distribution Detection介绍分布外（Out-of-Distribution, OOD）检测方法通常利用辅助离群值来训练识别分布外样本

MESEDA Multi-modal Entity Set Expansion Dataset with Fine-grained Semantic Classes and Hard Negative Entities 具有细粒度语义类和硬

基于单阶段锚框的检测器缺乏生成高质量或灵活伪标签的结构，导致半监督目标检测（SSOD）出现严重的不一致性问题。 在本文中，我们提出了 Efficient Teacher（高效教师）框架，用于可扩展且有效的基于锚点的单阶段 SSOD 训练。由