（ICCV2025）Trident：开放词汇语义分割，涨点起飞

主要观点总结

该论文介绍了一种利用视觉基础模型进行高性能、无需训练的开放词汇分割的方法。该方法通过融合CLIP、DINO和SAM三种基础模型，采用新的“Splice-then-Segment”策略，先拼接子图特征再进行全局聚合分割，解决CLIP在高分辨率图像中的问题。论文还通过消融实验验证了方法的有效性，并提供了可视化结果。

关键观点总结

关键观点1: 新范式（Splice-then-Segment）

该方法改变了传统的“先分割再拼接”策略，先拼接子图提取的特征，再进行全局聚合分割，提高了在高分辨率图像中的表现。

关键观点2: 三大基础视觉模型的融合

论文巧妙地结合了CLIP（语义表达）、DINO（空间协变特征）和SAM（高分辨率语义聚合）三种基础模型，提高了分割的精度和效果。

关键观点3: 精细化分割增强策略

通过将CLIP粗分割结果转化为SAM输入提示，提升了细节分割表现，使得整个过程的分割精度得到了显著提高。

关键观点4: 整体架构与流程

Trident模型通过子图切分与特征提取、特征拼接与全局聚合、分割预测和SAM精细化模块等步骤完成分割任务，整个过程无需训练，完全依赖预训练模型。

关键观点5: 实验结果与可视化

论文提供了消融实验结果和可视化结果，验证了方法的有效性。包括比较了不同特征聚合范式和聚合矩阵的效果、逐步引入Trident组件的提升、不同SAM提示组合的效果以及mask prompt中的α系数对分割性能的影响。

免责声明