MROVSeg：突破视觉语言模型在开放词汇语义分割中的分辨率诅咒

ViL-Seg模型通过利用网络上自然存在的图像和文本数据，实现了无需密集标注的语义分割，表现优于传统的零样本分割方法。

针对开放词汇的语义分割方法通过微调预训练模型，解决了遮蔽图像的效果问题，提升了模型的泛化能力。

Fusioner方法将自然语言和视觉特征融合用于零样本学习，实验结果显示其优异的表现和强鲁棒性。

新提出的无图像分割任务通过视觉语言预训练模型生成人工图像分割对，实验中表现良好。

使用预训练的图像-语言模型进行零样本学习的语义分割方法在多个基准数据集上与有监督训练方法竞争。

共享的冻结卷积CLIP骨干网络简化了两阶段流程，提高了准确性和成本平衡，成为开放词汇语义分割的最佳表现。

PnP-OVSS技术通过大规模视觉-语言模型实现了无需训练的开放词汇语义分割，显著改善了现有技术。

Self-Seg框架和基于LLM的开放式词汇评估器实现了无需提供类别名称的开放式词汇分割，取得了竞争力的结果。

S-Seg模型实现了准确的像素级标签分配，无需依赖于图像级别的VL模型，良好的泛化能力无需微调。

EBSeg框架通过自适应平衡解码器和语义结构一致性损失解决了训练和新类别之间的语义信息差异，表现超越其他方法。