跳到正文
arXiv · AI· Rahim Hossain, Dipanwita Saha, Ashirbad Mishra, Xinxin Shu, Svetlana Strunjas, Binbin Li·· 2 天前AI 评分27

LoCaR:基于冻结视觉语言模型的局部画布检索框架

LoCaR: Localized Canvas Retrieval With Frozen Vision-Language Model

AI 导读

LoCaR 提出一种免训练的局部文本到图像检索框架,利用冻结的视觉语言模型和 SAM2 生成独立提案以增强局部表示。 该方法引入 LOCFG 基准测试,结果显示优化区域表示是性能提升的主要来源。

来源:arXiv · AI · arxiv.org