论文阅读——DINOv

首先是关于给了提示然后做分割的一些方法的总结：

左边一列是prompt类型，右边一列是使用各个类型的prompt的模型。这些模型有分为两大类：Generic和Refer，通用分割和参考分割。Generic seg 是分割和提示语义概念一样的所有的物体，也就是提示是狮子，就把图片中所有狮子分割出来；Refer seg 是根据用户提示分割特定的物体，也就是提示是狗狗的一只耳朵，分割出来的也是狗狗的耳朵。可以看到，本文DINOv填补了视觉提示（Visual prompt）方法的空白。

DINOv可以做Generic和Refer。

Generic和Refer的例子：

这篇文章不是简单的prompt，而是in-context learning.

输入是一组图片-提示对（a set of reference image (Q) - visual prompt (A) pairs）输入的提示可以是mask、涂鸦（scribble）、框等，输出目标图片的mask。

DINOv的框架：

给一些参考图片：