SALM：无需图文对的CLIP细粒度对齐框架

2026年10月7日，arXiv cs.CV 刊出论文，提出 SALM——一个无需图像-文本对的无监督嵌入对齐框架，用于提升 CLIP 的细粒度感知能力。方法采用双矩阵对齐策略，校准样本内空间相关性与激活强度，以注入局部几何先验；并以潜在掩码建模引导 CLIP 恢复缺失的语义细节。作者还基于 CLIP 浅层特征的空间观测能力，扩展出自蒸馏版本 SALM-Self。目前该工作以论文形式公开，报道中未披露更多实验数据或后续进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。