English(EN) One Patch to Caption Them All: A Unified Zero-Shot Captioning Framework

统一的零样本框架使用以补丁为中心的прием标注图像区域

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-05 04:00

研究人员开发了一种新颖的零样本图像标注框架，该框架超越了全局图像表示，采用了以补丁为中心的方法。这种新方法通过将单个补丁视为描述的基本单元，实现了对任意图像区域（包括不连续区域）的标注。实验表明，生成密集视觉特征的主干网络（如DINO）对于在这些基于区域的标注任务中取得最先进的性能至关重要。 AI

影响引入了一种以补丁为中心的零样本标注方法，有可能实现更精细、更灵活的图像描述能力。

排序理由这是一篇详细介绍新图像标注框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Lorenzo Bianchi, Giacomo Pacini, Fabio Carrara, Nicola Messina, Giuseppe Amato, Fabrizio Falchi · 2026-05-05 04:00

One Patch to Caption Them All: A Unified Zero-Shot Captioning Framework

arXiv:2510.02898v5 Announce Type: replace Abstract: Zero-shot captioners are recently proposed models that utilize common-space vision-language representations to caption images without relying on paired image-text data. To caption an image, they proceed by textually decoding a t…