新类AP超40%
无需实例类别与身份标注，基于CLIP的编解码器网络，专为开放词汇视频实例分割设计，对新颖类别表现突出。
Wenqi, Zhu · 曹家乐 · 谢劲 · 杨双鸣 · 庞彦伟
IEEE Transactions on Circuits and Systems for Video Technology 2024
训练不需要实例类别和身份标注，省去了对大规模逐帧掩码和 ID 标注的依赖。
在 LV-VIS 验证集上 APn 达 40.2%，比 OV2Seg 高 23.9 个百分点，说明对训练时未见过的类别分割能力明显更强。
基于冻结的 CLIP 图像编码器构建，无需微调 CLIP 本身，可直接适配不同骨干网络。