SALM：结构感知潜掩码建模提升CLIP细粒度感知

2026年10月7日，arXiv Computer Vision（一手）报道，研究者提出无监督嵌入对齐框架 SALM，通过双矩阵对齐与潜掩码建模，在不使用任何图像-文本对的情况下协同局部与全局对齐，提升 CLIP 的细粒度感知。基于 CLIP 浅层特征具备强空间观测能力的观察，进一步扩展出自蒸馏范式 SALM-Self，无需外部模型即可释放其内在潜力。实验显示 SALM 显著改善密集预测任务与零样本准确率，并增强多模态大语言模型的细粒度理解。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。