arXiv cs.LG@Corentin Dumery, Niki Amini-Naieni, Shervin Naini, Pascal Fua精选52现有目标计数模型在混合物体场景中表现不佳，而真实数据集标注成本高且存在噪声，合成数据集又缺乏多样性和真实性。为此，研究者推出了MixCount数据集和基准测试，通过自动生成流水线合成图像、细粒度文本描述和像素级计数标注，解决了标注歧义问题。在MixCount上评估现有模型，发现其性能在混合场景下严重下降。但用MixCount数据训练后，模型在FSC-147和PairTally基准上的平均绝对误差分别降低20.14%和18.3%。这表明MixCount不仅能作为基准测试，还能提供近乎无限的标注数据，突破计数模型长期面临的数据瓶颈。论文目标计数数据集混合物体开放词汇自动生成推荐理由：做工业检测或产品分拣的团队，终于有专门针对混合物体场景的计数数据集了——用自动生成流水线解决标注难题，直接训练就能让模型在真实场景中MAE降20%，值得一试。