Компьютерные науки > Компютерное видение и распознавание шаблонов [представлено 10 июля 2026 (v1), последний раз пересмотрен 3 октября 2026 года (эта версия, v2)) Заголовок: REBASE: Resources-Backsound Lisplication for Training-Free In-Context Sсегментation View PDF HTML (экспериментальное) резюме: Безученая сегментация in-context позволяет вводить новые категории объектов с замысловатым аннотированным исходным изображением, устраняя переподготовку и накладки памяти для классового обучения. Последние подходы позволяют достичь этой цели путем сочетания базовых моделей зрения для семантической переписки с быстродействующими сетями сегментации, такими как SAM. Однако их эффективность в основном ограничивается качеством перекрестной карты сходства; общая контекстуальная среда между ссылками и запросами систематически повышает схожесть в нецелевых регионах, что ведет к снижению оперативности локализации. Мы представляем программу " РебаСЕ &qt; , свободную от подготовки кадров, которая явно подавляет эти фальшивые контекстуальные переписки. Наш метод определяет низкочастотное подпространство фоновой функции на основе исходного изображения и проецирует параметры справочной информации и запроса на его ортогональное дополнение в закрытом виде, обеспечивая более чистое семантическое соответствие. Затем мы генерируем положительные точечные импульсы с использованием метода, взвешенного на основе самых отдаленных точек выборки и в паре с более точным густым сходством. Без какой-либо…
РЕБАСЕ: Устранение подпространственных справочных материалов для безученого отрыва от текста
arXiv: 2607,09082v2 Annuales Type: заменить резюме: бесперебойная сегментация in-context позволяет вводить новые категории объектов на момент вывода из одного аннотированного исходного изображения, устраняя переподготовку и запоминание для классового обучения. Последние подходы позволяют достичь этой цели путем сочетания базовых моделей зрения для семантической переписки с быстродействующими сетями сегментации, такими как SAM. Однако их эффективность в основном ограничивается качеством перекрестной карты сходства; общая контекстуальная среда между ссылками и запросами систематически повышает схожесть в нецелевых регионах, что ведет к снижению оперативности локализации. Мы представляем программу " РебаСЕ &qt; , свободную от подготовки кадров, которая явно подавляет эти фальшивые контекстуальные переписки. Наш метод определяет подпространство фоновой характеристикы низкого ранга с помощью исходного изображения и проецирует функции справочной информации и запроса на его ортогональное дополнение в закрытом виде, обеспечивая более чистое семантическое соответствие