Tag · 2 篇
掩码解码器
01 02
SOUPLE：以可学习提示词上下文增强音视频定位与分割
SOUPLE: Enhancing Audio-Visual Localization and Segmentation with Learnable Prompt Contexts
用可学习的上下文词元替代 CLIP 中固定的文本提示词，并把视觉特征注入其中生成条件上下文，为视觉侧提供了一种可复用的提示词调优范式，可直接迁移到开放词表检测、指代分割等需要文本-视觉对齐的任务。
AG-VAS：基于大语言多模态模型的锚点引导零样本视觉异常分割
AG-VAS: Anchor-Guided Zero-Shot Visual Anomaly Segmentation with Large Multimodal Models
通过可学习的语义锚点token（[SEG]、[NOR]、[ANO]）将抽象异常概念转化为空间定位实体，并设计语义-像素对齐模块（SPAM）与锚点引导掩码解码器（AGMD），为LMM-based零样本分割提供可复用的锚点引导范式。