Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2509.15225v1

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2509.15225v1 (cs)
[提交于 2025年9月18日 (此版本) , 最新版本 2025年9月29日 (v3) ]

标题: 翻译中的迷失? 用于开放词汇语义分割的无源域适应词汇对齐

标题: Lost in Translation? Vocabulary Alignment for Source-Free Domain Adaptation in Open-Vocabulary Semantic Segmentation

Authors:Silvio Mazzucco, Carl Persson, Mattia Segu, Pier Luigi Dovesi, Federico Tombari, Luc Van Gool, Matteo Poggi
摘要: 我们引入了VocAlign,这是一种专为开放词汇语义分割中的视觉语言模型(VLMs)设计的新颖无源域适应框架。 我们的方法采用了一种结合词汇对齐策略的学生-教师范式,通过引入额外的类别概念来改进伪标签生成。 为了确保效率,我们使用低秩适应(LoRA)来微调模型,在保持其原始能力的同时最小化计算开销。 此外,我们为学生模型提出了一种Top-K类别选择机制,显著降低了内存需求,同时进一步提高了适应性能。 我们的方法在CityScapes数据集上实现了显著的6.11 mIoU提升,并在零样本分割基准测试中表现出色,为开放词汇设置下的无源适应设定了新标准。
摘要: We introduce VocAlign, a novel source-free domain adaptation framework specifically designed for VLMs in open-vocabulary semantic segmentation. Our method adopts a student-teacher paradigm enhanced with a vocabulary alignment strategy, which improves pseudo-label generation by incorporating additional class concepts. To ensure efficiency, we use Low-Rank Adaptation (LoRA) to fine-tune the model, preserving its original capabilities while minimizing computational overhead. In addition, we propose a Top-K class selection mechanism for the student model, which significantly reduces memory requirements while further improving adaptation performance. Our approach achieves a notable 6.11 mIoU improvement on the CityScapes dataset and demonstrates superior performance on zero-shot segmentation benchmarks, setting a new standard for source-free adaptation in the open-vocabulary setting.
评论: BMVC 2025 - 项目页面:https://thegoodailab.org/blog/vocalign - 代码:https://github.com/Sisso16/VocAlign
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2509.15225 [cs.CV]
  (或者 arXiv:2509.15225v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.15225
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Matteo Poggi [查看电子邮件]
[v1] 星期四, 2025 年 9 月 18 日 17:59:58 UTC (3,818 KB)
[v2] 星期三, 2025 年 9 月 24 日 08:54:20 UTC (3,818 KB)
[v3] 星期一, 2025 年 9 月 29 日 12:25:06 UTC (3,819 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • 其他格式
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号