RegionDet：超越对象实例的区域检测基准

对象检测是计算机视觉中的一项基本任务，通过定位离散且有边界的对象实例，在标准基准测试上取得了显着的进步。然而，现实场景中的许多视觉目标不是单个对象，而是由视觉状态、场景上下文、对象关系和人类活动定义的区域，例如建筑区域、受损道路区域、队列、群组对话和供应商区域。现有的检测基准主要围绕对象实例构建，为系统评估此类区域目标提供有限的支持。为了解决这一差距，我们引入了区域检测，这是一项将传统对象检测扩展到对象实例之外的任务，并构建了区域目标定位的基准 RegionDet。 RegionDet 包含八个区域类别，包括构建、交叉、损坏、排队、谈话、供应商、等待和行走，并具有 COCO 风格的边界框注释和评估协议。我们系统地评估了 RegionDet 上代表性的闭集和零样本/开放词汇检测器。结果表明，封闭集检测器可以在监督下部分学习区域级模式，而零样本/开放词汇检测器则严重挣扎，揭示了当前视觉语言检测器强烈的以对象为中心的偏见。进一步的分析强调了区域检测中的关键挑战，包括边界线索薄弱、上下文依赖性强以及关系级别区域理解不足。 RegionDet 将被发布。