论文阅读CVPR2022 《Language As Queries for Referring Video Object Segmentation》

前言：

自从读完DETR之后，一直对set prediction相关的工作比较感兴趣。所以又找了一篇关于transformer的query机制的工作，不过这次升级到video处理的更复杂的任务了（其实也没有多么复杂）

这篇工作是港大的几个博士生的工作。

（如有错欢迎指正）

Dataset：

Refer-DAVIS16/17 包含 ∼ 1.2k 引用表达式，用于 150 个视频（帧数为 ∼