研究人员推出MARCO，这是一种旨在通过解决现有双编码器架构的泛化限制来改进语义对应性的一款新模型。MARCO采用了一种新颖的训练框架，该框架结合了用于空间精度的粗到精目标和一种自蒸馏方法，以将监督范围扩展到标注区域之外。这种方法产生了一个比基于扩散的替代方案更小、更快的模型，同时在多个基准测试中取得了最先进的性能，尤其是在细粒度定位和泛化到未见过的数据方面。 AI
排序理由 这是一篇详细介绍新模型及其在基准测试中性能的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Recent advances in semantic correspondence rely on dual-encoder architectures, combining DINOv2 with diffusion backbones. While accurate, these billion-parameter models generalize poorly beyond training keypoints, revealing a gap between benchmark performance and real-world usabi…