跳到主要内容
检索

# 密集视觉线索检测

1 篇关联报道

订阅更新
  1. arXiv

    冻结的视觉编码器换个看法:vividRGB 把局部裁剪放大再拼回,五个生态图像域的边缘 F1 全面高于原版 DINOv3 与 SAM3

    vividRGB 0.1.0 把一种推理期流程做成 Python 库:不重训视觉编码器,只把输入限制在放大后的重叠局部裁剪上,再把各裁剪的特征反变换回原图坐标拼成稠密特征场。在草地、真菌网络、机载森林、珊瑚礁和浮游植物显微五类生态图像上,冻结的 DINOv3 ViT-B/16 配合该流程,其 RGB 边缘边界 F1 的域均值在 5% 焦点下为 0.290 至 0.596、10% 焦点下为 0.244 至 0.441,而原版 DINOv3 为 0.028 至 0.076、自动 SAM3 为 0.020 至 0.090。代价是提取时间和 GPU 能耗显著上升,5% 焦点下每张图约 175.8 秒。

已读完全部报道