SegCLIP是一种基于CLIP的模型，实现了开放式词汇语义分割。通过训练文本-图像对来聚集补丁形成语义区域，并使用重构损失和KL损失与伪标签相结合来增强视觉表征。实验结果显示，SegCLIP在分割精度上超过了基线模型。

SegCLIP是一种基于CLIP的模型，实现了开放式词汇语义分割。通过训练文本-图像对来聚集补丁形成语义区域，并使用重构损失和KL损失与伪标签相结合来增强视觉表征。实验结果显示，该模型在分割精度上优于基线模型。