DROA-CLIPSeg 论文被 BMVC 2026 接收

Vinita Shukla 等人提出的 DROA-CLIPSeg 框架旨在解决低光条件下路面细裂缝分割难题，该模型通过微调 CLIPSeg 视觉语言主干实现。 该框架创新性地仅训练占全模型 1.3% 的 1.93M 参数，通过注入 QKV 低秩适应与领域残差正交适配器模块，有效提升了裂缝拓扑保留能力。 实验结果表明，该模型在两个数据集上性能超越 13 个基线，并成功实现零样本泛化至 MVTec AD 数据集。 最新进展显示，这篇题为《DROA-CLIPSeg: Prompt-Guided Thin Crack Segmentation in Low-Light Conditions》的论文已被第 37 届英国机器视觉会议（BMVC 2026）正式接收。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。