基于稳健 DINO 特征的多任务图像修复
原文约300字/词,阅读约需1分钟。发表于: 。我们引入 DINO-IR,一种新颖的多任务图像修复方法,利用从 DINOv2 提取的稳健特征,通过使用浅层特征捕捉低级图像特征、深层特征保证鲁棒语义表征且不敏感于退化、并使用专门的组件进行特征集成,包括多层语义融合模块、DINO-Restore 调适与融合模块以及 DINO 感知对比损失,该方法在各种任务上优于现有的多任务图像修复方法,凸显了增强鲁棒特征对于多任务图像修复的优越性和必要性。
该文章介绍了DINO-Mix架构,利用DINOv2模型修剪和微调图像,提取鲁棒的特征。通过MLP-Mixer的特征聚合模块,实现全局鲁棒和可泛化的特征描述,从而实现高精度的VPR。实验证明,DINO-Mix在具有光照变化、季节变化和遮挡的测试集上表现优于当前最先进的方法,平均准确率提高了5.14%。