聚合特征的面向对象的开放词汇图像检索

本文提出了一种基于CLIP模型和图像水平监督的对象中心对齐方法，通过伪标注实现高质量对象提议并扩展词汇表，将两种对象对齐策略结合，实现了在OVD方案中对象和图像中心表示的最小化差距。在COCO数据集上，该方法在新颖类别上取得了36.6的AP50表现，超过以前的最佳性能；在LVIS上，罕见类别上超越了最新的ViLD模型达5.0的掩膜AP，总体提高3.4。