ARM: 增强CLIP用于开放词汇语义分割

本文介绍了注意力细化模块（ARM），这是一个轻量级、可学习的模块，旨在提高基于CLIP的开放词汇语义分割的性能。关键贡献在于“一次训练，随处可用”的范式，使其成为即插即用的后处理器。这解决了CLIP粗略的图像级表示的局限性，通过自适应地融合分层特征并细化像素级细节来实现。本文的重要性在于其效率和有效性，为计算机视觉中一个具有挑战性的问题提供了计算成本较低的解决方案。

• •提出了ARM，一个用于改进基于CLIP的开放词汇语义分割的轻量级、可学习的模块。
• •ARM使用“一次训练，随处可用”的范式，充当即插即用的后处理器。
• •通过细化像素级细节，解决了CLIP粗略的图像级表示的局限性。
• •在多个基准测试中展示了性能提升，且推理开销可忽略不计。