arXiv cs.CV· Samyak Rawlekar, Nikhil Chowdary Paleti, Amey Gupta, Narendra Ahuja·· 3 小时前AI 评分35
Part-DINO：用图像结构补足 DINO 特征的无训练部件发现方法
Complementing DINO Features with Image Structure for Part Discovery
AI 导读
Part-DINO 提出一种免训练框架，用低层图像分割得到的边界补足 DINO 语义特征，从而发现物体部件。对超过 26K 个前景 patch 的实验显示，跨边界 patch 的特征熵更高、分配置信度更低，导致所预测的部件边界模糊。该方法在 CUB、CelebA、PartImageNet-OOD、PartImageNet-Seg 四个基准上优于免训练基线，并与弱监督、无监督方法相比仍具竞争力。
来源：arXiv cs.CV · arxiv.org