ECCV 2024 | CLIP-DINOiser：教CLIP学习一些DINO技巧

文章预览

前言   本文使用自监督DINO作为指导，教CLIP产生定位特征，进而改进MaskCLIP，提出CLIP-DINOiser：零样本开放词汇语义分割新方法，无需任何注释，在多个著名分割数据集上达到了最先进的结果！代码已开源！ Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 来源：CVer 仅用于学术分享，若侵权请联系删除 CLIP-DINOiser: Teaching CLIP a few DINO tricks 单位：华沙理工大学, 法雷奥, Meta AI等 代码：github.com/wysoczanska/clip_dinoiser 论文：https://arxiv.org/abs/2312.12359 流行的 CLIP 模型由于其与任意文本提示的无缝交互而显示出令人印象深刻的零样本功能。然而，它缺乏空间意识，使其不适合密集的计算机视觉任务，例如语义分割，而无需额外的微调步骤，该步骤通常使用注释并可能抑 ………………………………