清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

DINOv2 Meets Text: A Unified Framework for Image- and Pixel-Level Vision-Language Alignment

计算机科学 像素 图像(数学) 计算机视觉 人工智能 自然语言处理
作者
Cijo Jose,Théo Moutakanni,Dahyun Kang,Federico Baldassarre,Timothée Darcet,Hu Xu,Daniel Li,Marc Szafraniec,Michaël Ramamonjisoa,Maxime Oquab,Oriane Siméoni,Huy V. Vo,Patrick Labatut,Piotr Bojanowski
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2412.16334
摘要

Self-supervised visual foundation models produce powerful embeddings that achieve remarkable performance on a wide range of downstream tasks. However, unlike vision-language models such as CLIP, self-supervised visual features are not readily aligned with language, hindering their adoption in open-vocabulary tasks. Our method, named dino.txt, unlocks this new ability for DINOv2, a widely used self-supervised visual encoder. We build upon the LiT training strategy, which trains a text encoder to align with a frozen vision model but leads to unsatisfactory results on dense tasks. We propose several key ingredients to improve performance on both global and dense tasks, such as concatenating the [CLS] token with the patch average to train the alignment and curating data using both text and image modalities. With these, we successfully train a CLIP-like model with only a fraction of the computational cost compared to CLIP while achieving state-of-the-art results in zero-shot classification and open-vocabulary semantic segmentation.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
MLS8620应助jyy采纳,获得200
5秒前
宇文雨文完成签到 ,获得积分10
12秒前
23秒前
shyxia完成签到 ,获得积分10
25秒前
Ashao完成签到 ,获得积分10
30秒前
李子完成签到 ,获得积分10
30秒前
整齐百褶裙完成签到 ,获得积分10
37秒前
优秀的尔风完成签到,获得积分10
41秒前
兴钬完成签到 ,获得积分10
48秒前
QCB完成签到 ,获得积分10
1分钟前
jiangqin123完成签到 ,获得积分10
1分钟前
1分钟前
松柏完成签到 ,获得积分10
1分钟前
海聪天宇发布了新的文献求助10
1分钟前
天天向上完成签到 ,获得积分10
1分钟前
迈克老狼完成签到 ,获得积分10
1分钟前
hhh2018687完成签到,获得积分10
1分钟前
1分钟前
坦率的从波完成签到 ,获得积分10
1分钟前
阿宛发布了新的文献求助10
1分钟前
天天快乐应助阿宛采纳,获得10
1分钟前
Ziqingserra完成签到 ,获得积分10
1分钟前
娜行完成签到 ,获得积分10
1分钟前
每天都要开心完成签到 ,获得积分10
2分钟前
x银河里完成签到 ,获得积分10
2分钟前
陈小青完成签到 ,获得积分10
2分钟前
xiangxiang123完成签到,获得积分10
2分钟前
tyro完成签到,获得积分10
2分钟前
husky完成签到,获得积分10
2分钟前
执着夏山完成签到,获得积分10
2分钟前
龙弟弟完成签到 ,获得积分10
2分钟前
2分钟前
奋斗的妙海完成签到 ,获得积分0
2分钟前
火星上的山柳完成签到,获得积分10
2分钟前
guoll完成签到,获得积分10
2分钟前
smz完成签到 ,获得积分10
2分钟前
3分钟前
无为完成签到 ,获得积分10
3分钟前
1250241652完成签到,获得积分10
3分钟前
迪鸣完成签到,获得积分0
3分钟前
高分求助中
The Mother of All Tableaux: Order, Equivalence, and Geometry in the Large-scale Structure of Optimality Theory 3000
Social Research Methods (4th Edition) by Maggie Walter (2019) 2390
A new approach to the extrapolation of accelerated life test data 1000
Problems of point-blast theory 400
北师大毕业论文 基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 390
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
Robot-supported joining of reinforcement textiles with one-sided sewing heads 320
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4001351
求助须知:如何正确求助?哪些是违规求助? 3540714
关于积分的说明 11278660
捐赠科研通 3278640
什么是DOI,文献DOI怎么找? 1808154
邀请新用户注册赠送积分活动 884376
科研通“疑难数据库(出版商)”最低求助积分说明 810291