跳到正文
arXiv · 机器人与计算机视觉· David Jacob Drexlin, Julius Hense, Jonas Dippel·· 2026-10-12精选AI 评分78

解码寄存器令牌以保留全局场景细节

Decoding Register Tokens Preserves Global Scene Details

AI 导读

该研究调查了在已有完整空间补丁表示的情况下,保留寄存器特征是否能改善图像解码效果。作者使用冻结的编码器与联合自注意力解码器进行实验,发现保留寄存器特征能将基于 DINOv2 和 DINOv3 的重建 FID 分别降低 9.5% 和 5.2%,PSNR 提升至 19.73 dB 和 20.54 dB。在生成任务中,该方法使 DINOv2 的 FID 比仅用补丁的基线低 9.8%。

推荐理由

研究证明保留非空间寄存器特征能显著降低图像重建误差并提升生成质量,为现有视觉模型利用全局场景信息提供了新路径。

来源:arXiv · 机器人与计算机视觉 · arxiv.org