基于稳健 DINO 特征的多任务图像修复

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%。