研究人员开发了一个新的细粒度图像分类框架，该框架使用CLIP对图像区域进行评分，而无需地面真实标签。该研究比较了各种区域生成方法，包括SAM生成的掩码和随机裁剪，以及不同的评分策略，如余弦相似度、基于边距和基于熵的方法。在五个数据集上的实验表明，软负边距评分效果最佳，伪标签评分与真实标签性能非常接近。值得注意的是，带有伪标签的随机裁剪的性能优于基于SAM的方法，这表明它们在嘈杂条件下的鲁棒性。 AI
影响 这项研究通过探索有效的无标签评分策略和区域生成方法，为改进细粒度图像分类提供了新见解。
排序理由 这是一篇详细介绍图像分类新框架和实验结果的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.13437v1 Announce Type: new Abstract: Recent vision models such as CLIP and SAM enable training-free segmentation and semantic encoding for fine-grained classification. A common approach is to compare the representations of segmented image regions with the text prompt e…
Recent vision models such as CLIP and SAM enable training-free segmentation and semantic encoding for fine-grained classification. A common approach is to compare the representations of segmented image regions with the text prompt embeddings of the corresponding labels. However, …