⏶10
AnyUp: Universal Feature Upsampling
发表
由
Thomas Wimmer 提交
作者:
Thomas Wimmer, Prune Truong, Marie-Julie Rakotosaona, Michael Oechsle, Federico Tombari, Bernt Schiele, Jan Eric Lenssen
摘要
AI 生成总结
AnyUp 是一种与特征无关的上采样方法,无需重新训练即可泛化到不同的视觉特征和分辨率。我们引入了 AnyUp,一种特征上采样方法,该方法可以应用于任何分辨率下的任何视觉特征,
而无需进行特定于编码器的训练。现有用于 DINO 或 CLIP 等特征的学习型上采样器需要针对
每个特征提取器重新训练,因此在推理时不能泛化到不同的特征类型。在这项工作中,我们提出
了一种推理时特征无关的上采样架构,以缓解此限制并提高上采样质量。在我们的实验中,AnyUp
为上采样特征设定了新的技术水平,泛化到不同的特征类型,并保留特征语义,同时高效且易于应用
于广泛的下游任务。
评论
论文作者
论文提交者
此评论已隐藏。