CLIP预训练

SynCLIP：面向鲁棒开放词表密集感知的同义词连贯语言-图像预训练

SynCLIP: Synonym-Coherent Language-Image Pretraining for Robust Open-Vocabulary Dense Perception

针对CLIP类开放词表密集感知中同义词导致的视觉定位不一致问题，提出语义一致空间注意力对齐模块和空间注意力细化模块，可复用于任何需要文本-图像空间对齐的视觉语言任务。