跳到正文
热点事件持续更新

研究者提出免训练局部图像检索框架LoCaR

1 篇报道1 个报道来源46 分钟前更新

先了解这件事

AI 综述

Rahim Hossain等发布论文,提出LoCaR——一个免训练的局部文本到图像检索框架。它利用冻结的视觉语言模型,通过SAM2生成独立候选区域并对每个区域单独编码,从而获得更局部化的图像表示。 LoCaR还提供成对样本适配作为可选残差,且不更新底层编码器。论文同时推出基于Visual Genome的LOCFG基准,用于评测针对更小、更具挑战性指称对象的局部检索。结果显示,区域表示本身的改进是主要收益来源。

AI 根据报道生成 · 26 分钟前更新

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:基于冻结视觉语言模型的局部画布检索框架

    LoCaR 是一个免训练的局部文本到图像检索框架,利用冻结视觉语言模型,通过 SAM2 生成的独立候选区域对每个区域单独编码,获得更局部化的表示;还提供成对样本适配作为可选残差,不更新底层编码器。论文同时推出基于 Visual Genome 的 LOCFG 基准,用于评测更小、更具挑战性的指称对象的局部检索,结果显示区域表示本身的改进是主要收益来源。

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。