asuiyu的博客

零样本引用图像分割（Zero-shot Referring Image Segmentation， RIS）***无需训练和微调***，即可识别与指定引用表达式最匹配的实例掩码，大大减少了劳动密集型的注释过程。尽管取得了值得称赞的结果，但以前基于clip的模型有一个关键的缺点：模型在**识别物体相对空间关系**的能力上显着降低。此外，大多数方法在处理**基本词与其上下文之间的关系**方面能力较弱，导致混淆，降低了识别正确目标区域的准确性。