无训练类净化：面向开放词汇语义分割
综合经济学
2025-08-04 v1 经济学
摘要
在大型数据集上对预训练视觉语言模型进行微调已成为增强开放词汇语义分割（OVSS）的强大方法。然而，随着在大型数据集上的训练所需的计算和资源的显著增加，训练无训练的方法以 OVSS 为焦点引起了关注。现有的训练无训练方法主要集中于修改模型架构和生成原型以提高分割性能。然而，它们往往忽视了类冗余——即多个类别在当前测试图像中不存在——以及视觉语言模糊——即类别之间语义相似性在类激活中造成混淆的问题。这可能导致子optimal的类激活图和亲和力 refined 激活图。针对这些观察，我们提出了 FreeCP，这是一个新的训练无训练类净化框架，旨�解决这些挑战。FreeCP 专注于净化语义类别并纠正由冗余和模糊引起的错误。净化后的类表示被用于生成最终的分割预测。我们在八个基准数据集上进行了广泛实验，以验证 FreeCP 的有效性。结果表明，FreeCP 作为一个即插即用模块，显著提升了与其他 OVSS 方法结合时的分割性能。
引用
@article{arxiv.2508.00556,
title = {Systemic Trade Risk Suppresses Comparative Advantage in Rare Earth Dependent Industries},
author = {Peter Klimek and Sophia Baum and Markus Gerschberger and Maximilian Hess},
journal= {arXiv preprint arXiv:2508.00556},
year = {2025}
}