Grounding DINO Base

研究人员寻求arXiv推荐以支持其Locate-SAM2计算机视觉论文

两位独立研究员正在为其关于名为Locate-SAM2的新型计算机视觉系统的论文寻求推荐。该系统通过一个轻量级适配器连接NVIDIA的LocateAnything-3B和Meta的SAM 2.1，旨在确定选择的定位器是否会影响模块化文本到掩码（text-to-mask）流程中的掩码质量。他们的工作在RefCOCO数据集上展示了具有竞争力的性能，达到了0.772 mIoU，并包含了详细的比较、消融研究以及失败案例分析。