DeCLIP 解耦自注意力提升开放词汇密集感知

研究者提出 DeCLIP 框架，通过解耦 CLIP 的自注意力模块，分别得到“内容”特征与“上下文”特征，以增强开放词汇密集感知。 在方法上，上下文特征联合蒸馏视觉基础模型（VFM）的语义关联与扩散模型的目标完整性线索；内容特征则对齐图像裁剪表示，并用 VFM 的区域关联约束。 研究称，DeCLIP 在 2D 检测与分割、3D 实例分割、视频实例分割和 6D 物体位姿估计等任务上均取得 SOTA。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。