跳到正文
热点事件持续更新

LoCaR:冻结视觉语言模型的局部化检索框架

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Rahim Hossain 等作者提出 LoCaR,一个无需训练的局部文本到图像检索框架:用 SAM2 切出独立候选区域,再由冻结的视觉编码器分别编码每个区域,得到更局部的表示。作者同时提出可选的 paired-support 适配,用匹配的文本—区域样例作为残差,且不更新底层编码器。 该工作还提出 LOCFG 基准,用于评测局部化文本到图像检索。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    LoCaR:用冻结视觉语言模型实现局部画布检索

    LoCaR 是一个无需训练的局部文本到图像检索框架,借助 SAM2 构建独立候选区域,用冻结视觉编码器分别编码每个区域以获得更局部的表示。研究还提出可选的 paired-support 适配,利用匹配的文本区域样例作为残差,且不更新底层编码器。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。