论文提出ClearCLIP，通过去除残差连接、采用自注意力机制和舍弃前馈网络，提升了CLIP在开放词汇语义分割中的表现。研究表明，残差连接降低了分割质量，而ClearCLIP能够生成更清晰的分割图，改善密集视觉-语言推理任务的效果。

研究人员通过重新研究CLIP架构，提出了一种名为ClearCLIP的新方法，用于增强开放词汇的语义分割。ClearCLIP消除了残差连接，实施了自我关注，并舍弃了前馈网络。在多个基准测试中，ClearCLIP生成更清晰、更准确的分割地图，并在性能上优于现有方法。