🌐 语言

🚀 没时间训练！

无需训练的基于参考的实例分割

最新技术（Papers with Code） _SOTA 1-shot_ | -21CBCE?style=flat&logo=paperswithcode)

_SOTA 10-shot_ | -21CBCE?style=flat&logo=paperswithcode)

_SOTA 30-shot_ | -21CBCE?style=flat&logo=paperswithcode)

🚨 更新（2026年2月5日）：论文手稿已更新，新增了大量消融实验、可视化和附加实验。

🚨 更新（2025年7月22日）： 已添加自定义数据集的使用说明！

🔔 更新（2025年7月16日）： 代码已更新并附带详细说明！

结果
🔍 自定义数据集
0. 准备自定义数据集 ⛵🐦
0.1 仅有边框标注时
0.2 将coco标注转换为pickle文件
1. 用参考数据填充内存
2. 后处理内存库
📚 引用

🎯 亮点

💡 免训练：无需微调，无需提示工程——只需一张参考图像。
🖼️ 基于参考：仅用少量示例即可分割新目标。
🔥 SOTA 性能：在COCO、PASCAL VOC和跨域FSOD任务中优于以往免训练方法。

链接:

📜 摘要

The performance of image segmentation models has historically been constrained by the high cost of collecting large-scale annotated data. The Segment Anything Model (SAM) alleviates this original problem through a promptable, semantics-agnostic, segmentation paradigm and yet still requires manual visual-prompts or complex domain-dependent prompt-generation rules to process a new image. Towards reducing this new burden, our work investigates the task of object segmentation when provided with, alternatively, only a small set of reference images. Our key insight is to leverage strong semantic priors, as learned by foundation models, to identify corresponding regions between a reference and a target image. We find that correspondences enable automatic generation of instance-level segmentation masks for downstream tasks and instantiate our ideas via a multi-stage, training-free method incorporating (1) memory bank construction; (2) representation aggregation and (3) semantic-aware feature matching. Our experiments show significant improvements on segmentation metrics, leading to state-of-the-art performance on COCO FSOD (36.8% nAP), PASCAL VOC Few-Shot (71.2% nAP50) and outperforming existing training-free approaches on the Cross-Domain FSOD benchmark (22.4% nAP).

cdfsod-results-final-comic-sans-min

🧠 Architecture

training-free-architecture-comic-sans-min

🛠️ Installation instructions

1. Clone the repository

git clone https://github.com/miquel-espinosa/no-time-to-train.git
cd no-time-to-train

2. 创建 conda 环境

我们将创建一个包含所需软件包的 conda 环境。

conda env create -f environment.yml
conda activate no-time-to-train

3. 安装 SAM2 和 DINOv2

我们将从源码安装 SAM2 和 DINOv2。

pip install -e .
cd dinov2
pip install -e .
cd ..

4. 下载数据集

请下载 COCO 数据集并将其放在 data/coco 目录下

5. 下载 SAM2 和 DINOv2 检查点

我们将下载论文中使用的原始 SAM2 检查点。（但请注意，SAM2.1 检查点已经可用，并且可能有更好的性能。）

mkdir -p checkpoints/dinov2
cd checkpoints
wget https://dl.fbaipublicfiles.com/segment_anything_2/072824/sam2_hiera_large.pt
cd dinov2
wget https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_pretrain.pth
cd ../..

📊 推理代码

⚠️ 免责声明：这是研究代码——可能会有些混乱！

在少量样本 COCO 中复现 30-shot SOTA 结果

定义有用的变量并创建结果文件夹：

CONFIG=./no_time_to_train/new_exps/coco_fewshot_10shot_Sam2L.yaml
CLASS_SPLIT="few_shot_classes"
RESULTS_DIR=work_dirs/few_shot_results
SHOTS=30
SEED=33
GPUS=4mkdir -p $RESULTS_DIR
FILENAME=few_shot_${SHOTS}shot_seed${SEED}.pkl

#### 0. 创建参考集

python no_time_to_train/dataset/few_shot_sampling.py \
        --n-shot $SHOTS \
        --out-path ${RESULTS_DIR}/${FILENAME} \
        --seed $SEED \
        --dataset $CLASS_SPLIT

#### 1. 使用引用填充内存

python run_lightening.py test --config $CONFIG \
                              --model.test_mode fill_memory \
                              --out_path ${RESULTS_DIR}/memory.ckpt \
                              --model.init_args.model_cfg.memory_bank_cfg.length $SHOTS \
                              --model.init_args.dataset_cfgs.fill_memory.memory_pkl ${RESULTS_DIR}/${FILENAME} \
                              --model.init_args.dataset_cfgs.fill_memory.memory_length $SHOTS \
                              --model.init_args.dataset_cfgs.fill_memory.class_split $CLASS_SPLIT \
                              --trainer.logger.save_dir ${RESULTS_DIR}/ \
                              --trainer.devices $GPUS

#### 2. 后处理内存库

python run_lightening.py test --config $CONFIG \
                              --model.test_mode postprocess_memory \
                              --model.init_args.model_cfg.memory_bank_cfg.length $SHOTS \
                              --ckpt_path ${RESULTS_DIR}/memory.ckpt \
                              --out_path ${RESULTS_DIR}/memory_postprocessed.ckpt \
                              --trainer.devices 1

#### 3. 对目标图像的推断

python run_lightening.py test --config $CONFIG  \
                              --ckpt_path ${RESULTS_DIR}/memory_postprocessed.ckpt \
                              --model.init_args.test_mode test \
                              --model.init_args.model_cfg.memory_bank_cfg.length $SHOTS \
                              --model.init_args.model_cfg.dataset_name $CLASS_SPLIT \
                              --model.init_args.dataset_cfgs.test.class_split $CLASS_SPLIT \
                              --trainer.logger.save_dir ${RESULTS_DIR}/ \
                              --trainer.devices $GPUS

如果您希望在线查看推理结果（即结果在计算时显示），请添加参数：

    --model.init_args.model_cfg.test.online_vis True

要调整分数阈值 score_thr 参数，请添加参数（例如，显示所有分数高于 0.4 的实例）：

    --model.init_args.model_cfg.test.vis_thr 0.4

图像现在将保存在 results_analysis/few_shot_classes/ 目录下。左侧的图像显示的是真实标签，右侧的图像展示的是我们无训练方法分割出的实例。

请注意，在此示例中我们使用的是 few_shot_classes 划分，因此我们只应看到此划分中类别的分割实例（而不是 COCO 中的所有类别）。

#### 结果

在对验证集中的所有图像运行后，你应该获得：

BBOX RESULTS:
  Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.368SEGM RESULTS:
  Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.342

🔍 自定义数据集

我们提供了在自定义数据集上运行我们流水线的说明。标注格式始终为 COCO 格式。

简要说明： 想直接了解如何在自定义数据集上运行完整流水线，请参考 scripts/matching_cdfsod_pipeline.sh 以及 CD-FSOD 数据集的示例脚本（如 scripts/dior_fish.sh）

0. 准备自定义数据集 ⛵🐦

假设我们想在自定义数据集中检测船只⛵ 和鸟类🐦。使用我们的方法需要：

每个类别至少有 1 张标注的参考图片（即 1 张船的参考图片和 1 张鸟的参考图片）
多张目标图片，用于寻找我们所需类别的实例。

我们已经准备了一个玩具脚本，利用 coco 图片创建一个1-shot设置的自定义数据集。

mkdir -p data/my_custom_dataset
python scripts/make_custom_dataset.py

这将创建一个具有以下文件夹结构的自定义数据集：

data/my_custom_dataset/
    ├── annotations/
    │   ├── custom_references.json
    │   ├── custom_targets.json
    │   └── references_visualisations/
    │       ├── bird_1.jpg
    │       └── boat_1.jpg
    └── images/
        ├── 429819.jpg
        ├── 101435.jpg
        └── (all target and reference images)

参考图像可视化（1-shot）：

0.1 如果只提供了bbox标注

我们还提供了一个脚本，利用SAM2生成实例级分割掩码。如果您仅有参考图像的边界框（bounding box）标注，这将非常有用。

# Download sam_h checkpoint. Feel free to use more recent checkpoints (note: code might need to be adapted)
wget https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth -O checkpoints/sam_vit_h_4b8939.pth
Run automatic instance segmentation from ground truth bounding boxes.
python no_time_to_train/dataset/sam_bbox_to_segm_batch.py \
    --input_json data/my_custom_dataset/annotations/custom_references.json \
    --image_dir data/my_custom_dataset/images \
    --sam_checkpoint checkpoints/sam_vit_h_4b8939.pth \
    --model_type vit_h \
    --device cuda \
    --batch_size 8 \
    --visualize

参考图像及其实例级分割掩码（由 SAM2 根据 gt 边界框生成，1-shot）：

生成的分割掩码的可视化结果保存在 data/my_custom_dataset/annotations/custom_references_with_SAM_segm/references_visualisations/。

0.2 将 coco 标注转换为 pickle 文件

python no_time_to_train/dataset/coco_to_pkl.py \
    data/my_custom_dataset/annotations/custom_references_with_segm.json \
    data/my_custom_dataset/annotations/custom_references_with_segm.pkl \
    1

1. 用引用填充内存

首先，定义有用的变量并为结果创建一个文件夹。为了正确显示标签，类别名称应按 json 文件中出现的类别 id 顺序排列。例如，bird 的类别 id 是 16，boat 的类别 id 是 9。因此，CAT_NAMES=boat,bird。

DATASET_NAME=my_custom_dataset
DATASET_PATH=data/my_custom_dataset
CAT_NAMES=boat,bird
CATEGORY_NUM=2
SHOT=1
YAML_PATH=no_time_to_train/pl_configs/matching_cdfsod_template.yaml
PATH_TO_SAVE_CKPTS=./tmp_ckpts/my_custom_dataset
mkdir -p $PATH_TO_SAVE_CKPTS

运行步骤 1：

python run_lightening.py test --config $YAML_PATH \
    --model.test_mode fill_memory \
    --out_path $PATH_TO_SAVE_CKPTS/$DATASET_NAME\_$SHOT\_refs_memory.pth \
    --model.init_args.dataset_cfgs.fill_memory.root $DATASET_PATH/images \
    --model.init_args.dataset_cfgs.fill_memory.json_file $DATASET_PATH/annotations/custom_references_with_segm.json \
    --model.init_args.dataset_cfgs.fill_memory.memory_pkl $DATASET_PATH/annotations/custom_references_with_segm.pkl \
    --model.init_args.dataset_cfgs.fill_memory.memory_length $SHOT \
    --model.init_args.dataset_cfgs.fill_memory.cat_names $CAT_NAMES \
    --model.init_args.model_cfg.dataset_name $DATASET_NAME \
    --model.init_args.model_cfg.memory_bank_cfg.length $SHOT \
    --model.init_args.model_cfg.memory_bank_cfg.category_num $CATEGORY_NUM \
    --trainer.devices 1

2. 后处理存储库

python run_lightening.py test --config $YAML_PATH \
    --model.test_mode postprocess_memory \
    --ckpt_path $PATH_TO_SAVE_CKPTS/$DATASET_NAME\_$SHOT\_refs_memory.pth \
    --out_path $PATH_TO_SAVE_CKPTS/$DATASET_NAME\_$SHOT\_refs_memory_postprocessed.pth \
    --model.init_args.model_cfg.dataset_name $DATASET_NAME \
    --model.init_args.model_cfg.memory_bank_cfg.length $SHOT \
    --model.init_args.model_cfg.memory_bank_cfg.category_num $CATEGORY_NUM \
    --trainer.devices 1

#### 2.1 可视化后处理的内存库

python run_lightening.py test --config $YAML_PATH \
    --model.test_mode vis_memory \
    --ckpt_path $PATH_TO_SAVE_CKPTS/$DATASET_NAME\_$SHOT\_refs_memory_postprocessed.pth \
    --model.init_args.dataset_cfgs.fill_memory.root $DATASET_PATH/images \
    --model.init_args.dataset_cfgs.fill_memory.json_file $DATASET_PATH/annotations/custom_references_with_segm.json \
    --model.init_args.dataset_cfgs.fill_memory.memory_pkl $DATASET_PATH/annotations/custom_references_with_segm.pkl \
    --model.init_args.dataset_cfgs.fill_memory.memory_length $SHOT \
    --model.init_args.dataset_cfgs.fill_memory.cat_names $CAT_NAMES \
    --model.init_args.model_cfg.dataset_name $DATASET_NAME \
    --model.init_args.model_cfg.memory_bank_cfg.length $SHOT \
    --model.init_args.model_cfg.memory_bank_cfg.category_num $CATEGORY_NUM \
    --trainer.devices 1

内存库图像的PCA和K-means可视化结果存储在 results_analysis/memory_vis/my_custom_dataset 文件夹中。

3. 在目标图像上进行推断

如果将 ONLINE_VIS 设置为 True，预测结果将保存在 results_analysis/my_custom_dataset/ 文件夹中，并在计算时实时显示。请注意，开启在线可视化会显著降低运行速度。

您可以自由调整分数阈值 VIS_THR，以显示更多或更少的分割实例。

ONLINE_VIS=True
VIS_THR=0.4
python run_lightening.py test --config $YAML_PATH \
    --model.test_mode test \
    --ckpt_path $PATH_TO_SAVE_CKPTS/$DATASET_NAME\_$SHOT\_refs_memory_postprocessed.pth \
    --model.init_args.model_cfg.dataset_name $DATASET_NAME \
    --model.init_args.model_cfg.memory_bank_cfg.length $SHOT \
    --model.init_args.model_cfg.memory_bank_cfg.category_num $CATEGORY_NUM \
    --model.init_args.model_cfg.test.imgs_path $DATASET_PATH/images \
    --model.init_args.model_cfg.test.online_vis $ONLINE_VIS \
    --model.init_args.model_cfg.test.vis_thr $VIS_THR \
    --model.init_args.dataset_cfgs.test.root $DATASET_PATH/images \
    --model.init_args.dataset_cfgs.test.json_file $DATASET_PATH/annotations/custom_targets.json \
    --model.init_args.dataset_cfgs.test.cat_names $CAT_NAMES \
    --trainer.devices 1

结果

性能指标（使用与上述命令完全相同的参数）应为：

BBOX RESULTS:
  Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.478SEGM RESULTS:
  Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.458

可视化结果保存在 results_analysis/my_custom_dataset/。请注意，我们的方法适用于假阴性，即不包含任何目标类别实例的图像。

点击图片放大 ⬇️

| 包含船只⛵的目标图像（左侧为GT，右侧为预测） | 包含鸟类🐦的目标图像（左侧为GT，右侧为预测） | |:----------------------:|:----------------------:| | 000000459673 | 000000407180 |

| 包含船只和鸟类⛵🐦的目标图像（左侧为GT，右侧为预测） | 不包含船只或鸟类🚫的目标图像（左侧为GT，右侧为预测） | |:---------------------------------:|:----------------------------------:| | 000000517410 | 000000460598 |

🔬 消融实验

主干网络消融

为了评估我们的方法在基础模型之间的可迁移性，我们用多种替代方法分别替换语义编码器（DINOv2）和基于SAM的分割器。

语义编码器消融：

# CLIP (Sizes: b16, b32, l14, l14@336px)
bash scripts/clip/clipl14@336px.sh
bash scripts/clip/clipl14.sh
bash scripts/clip/clipb16.sh
bash scripts/clip/clipb32.sh
DINOV3 (Sizes: b, l, h)
bash scripts/dinov3/dinov3b.sh
bash scripts/dinov3/dinov3l.sh
bash scripts/dinov3/dinov3h.sh
PE (Sizes: g14, l14)
bash scripts/pe/PEg14.sh
bash scripts/pe/PEl14.sh

分割器消融：

# SAM2 (Sizes: tiny, small, base+, large)
bash scripts/sam2/sam2_tiny.sh
bash scripts/sam2/sam2_small.sh
bash scripts/sam2/sam2_base_plus.sh
bash scripts/baseline/dinov2_sam_baseline.sh # SAM2 Large

VLM 在 COCO 少样本数据集上的评估

我们在 COCO 少样本数据集上评估 QWEN VLM。

bash scripts/vl-qwen/ablation-vl-qwen.sh

参考图像启发式方法

为了理解为何不同的参考图像会导致性能变化，我们分析了COCO新类别注释的统计属性。

#### 分析

我们研究了三种注释特征：(1) 掩码面积（物体大小）， (2) 掩码中心位置，以及 (3) 距离图像边缘的距离。

说明：

# Mask area distribution
python no_time_to_train/make_plots/mask_area_distribution.py \
  --input data/coco/annotations/instances_val2017.json \
  --output no_time_to_train/make_plots/mask_area_distribution/mask_area_distribution.png \
  --edges-output no_time_to_train/make_plots/mask_area_distribution/bbox_edge_distance_histograms.png \
  --center-output no_time_to_train/make_plots/mask_area_distribution/bbox_center_density.png \
  --bins 80 \
  --distance-bins 80 \
  --disable-center-density
Bbox center positions
python no_time_to_train/make_plots/bbox_positions.py \
	--per-class-root data/coco/annotations/per_class_instances \
	--filename centeredness_2d_hist_plain.png \
	--max-cols 6 \
	--output-dir ./no_time_to_train/make_plots/bbox_positions \
	--outfile grid_bbox_positions.png

[输出] 掩码区域分布

[输出] Bbox中心密度

[输出] Bbox边缘距离直方图

#### 选择

我们对每个类别采样100张多样化的参考图像，明确覆盖不同的掩码尺寸、中心和边缘距离。每个参考图像都在一个固定的精简验证子集上进行评估。

操作说明：

设置脚本: scripts/1shot_ref_ablation/setup.sh:

创建每个类别的json文件
分析特定类别
用不同启发式方法创建参考集

bash scripts/1shot_ref_ablation/setup.sh

运行脚本： scripts/1shot_ref_ablation/gpu*.sh：

为每个参考集运行流水线

# Example launch script that calls template script for each reference set
bash scripts/1shot_ref_ablation/gpu0.sh

#### 结果

我们分析了检测分数与参考图像特征（掩码大小、中心位置、边缘距离）的相关性。

操作指南：

python no_time_to_train/make_plots/heuristics_analysis.py
Outputs: 
- no_time_to_train/make_plots/heuristics_analysis/heatmap_bbox_norm_scores.png
- no_time_to_train/make_plots/heuristics_analysis/heatmap_segm_norm_scores.png
- no_time_to_train/make_plots/heuristics_analysis/heatmap_center_bbox_norm_scores_kde_smooth.png
- no_time_to_train/make_plots/heuristics_analysis/heatmap_center_bbox_norm_scores.png
- no_time_to_train/make_plots/heuristics_analysis/heatmap_center_segm_norm_scores_kde_smooth.png
- no_time_to_train/make_plots/heuristics_analysis/heatmap_center_segm_norm_scores.png
- no_time_to_train/make_plots/heuristics_analysis/per_class_area_vs_raw_scores.png
- no_time_to_train/make_plots/heuristics_analysis/all_classes_area_vs_norm_scores.png
- no_time_to_train/make_plots/heuristics_analysis/edge_distance_vs_norm_scores.png
- no_time_to_train/make_plots/heuristics_analysis/bars_area_category_norm_scores.png
- no_time_to_train/make_plots/heuristics_analysis/bars_centered_norm_scores.png
- no_time_to_train/make_plots/heuristics_analysis/bars_avoid_sides_norm_scores.png

[输出] 条形图。掩码面积（左）和居中度（右）对性能的影响

[输出] 热力图。性能作为掩码中心位置函数的二维得分图

[输出] 所有COCO新类别的参考图像性能与掩码面积关系

参考图像退化

我们通过施加递增的高斯模糊，对退化程度逐步增加的参考图像下的方法进行评估。 ablation-blur

说明：

# Run different blur levels
bash scripts/blur_ablation/blur_ablation.sh
Plot grid of blur ablation results
python no_time_to_train/make_plots/plot_blur_results.py \
    --results-root ./work_dirs/blur_ablation \
    --class-id 0 \
    --max-cols 4 \
    --output-dir ./no_time_to_train/make_plots/blur_ablation \
    --outfile grid_blur_ablation_class_0.png

特征相似性

用于可视化参考图像与目标图像之间特征相似性的脚本。

它生成单一特征相似性（路径特征）和基于原型的相似性（聚合特征）。 feature_similarity_small

使用说明：

python no_time_to_train/make_plots/feature_similarity.py \
  --classes orange \  
  --num-images 20 \
  --min-area 12 \
  --max-area 25000 \
  --min-instances 2 \
  --seed 123 \
  --max-per-class 12

T-SNE 图（DINOv2 特征可分性）

DINOv2 特征的 t-SNE 可视化显示，不同类别之间有明显分离，但相似类别之间有大量重叠，这表明混淆主要源于骨干网络特征的几何结构，而非原型的选择。 tsne

操作说明：

提取特征

python no_time_to_train/make_plots/tsne-coco.py --extract

绘制T-SNE图

# Example spoon vs fork
python no_time_to_train/make_plots/tsne-coco.py --classes cat dog

🛠️ 辅助工具

可视化内存

在此处添加图片 feature_comparison_small.png

操作说明

要可视化某个实验的内存库（PCA 和 K-means 可视化），请调整以下命令。

将 DO_NOT_CROP 设置为 True/False（在 no_time_to_train/models/Sam2MatchingBaseline_noAMG.py 中），即可选择是否在可视化参考图像时显示/隐藏裁剪的掩码。

python run_lightening.py test --config $CONFIG \
    --model.test_mode vis_memory \
    --ckpt_path $RESULTS_DIR/memory_postprocessed.ckpt \
    --model.init_args.dataset_cfgs.fill_memory.memory_pkl $RESULTS_DIR/$FILENAME \
    --model.init_args.dataset_cfgs.fill_memory.memory_length $SHOT \
    --model.init_args.dataset_cfgs.fill_memory.class_split $CLASS_SPLIT \
    --model.init_args.model_cfg.dataset_name $CLASS_SPLIT \
    --model.init_args.model_cfg.memory_bank_cfg.length $SHOT \
    --model.init_args.model_cfg.memory_bank_cfg.category_num $CATEGORY_NUM \
    --trainer.devices 1

将图片调整为512x512（使图片为正方形）

要将图片调整为512x512并保存到新目录中，请运行以下命令。这适用于论文图像。

操作说明：

python no_time_to_train/make_plots/paper_fig_square_imgs.py

模型大小和内存

要计算模型大小和内存，请运行以下命令。

操作说明：

请参见 no_time_to_train/models/Sam2MatchingBaseline_noAMG_model_and_memory.py 以计算模型大小和内存。

（最简单的方法：暂时替换为 Sam2MatchingBaseline_noAMG.py，然后再改回原名。）

🌍 EO 数据集

评估脚本（EO 数据集）

评估脚本位于 scripts/EO 目录。EO 数据集使用 ./scripts/EO/EO_template.sh 脚本运行评估。

每次 EO 实验运行的结果都保存在 ./EO_results 目录下。在实验文件夹中我们保存：

配置和实验运行时间的 summary.txt 文件。
测试集上的预测可视化（results_analysis 文件夹）。
内存可视化（memory_vis 文件夹）。
少样本注释的 pickle 文件。
模型的检查点（如果未清理）。

图表和表格

用于生成图表和表格的附加脚本。

EO 数据集的 Summary latex 表格：

python scripts/convert_datasets/summary_table_datasets.py

生成 EO 数据集的 LaTeX 表格：

python scripts/paper_figures/table_EO_results.py ./EO_results_no_heuristics

EO 数据集的准确率图：

python scripts/paper_figures/plot_EO_accuracy.py \
  --input-root ./EO_results \
  --output-root ./EO_results

启发式方法对EO数据集的影响总结：

python scripts/paper_figures/plot_EO_heuristic.py \
  --no-heuristics ./EO_results_no_heuristics \
  --heuristics ./EO_results

EO数据集的运行时图：

python scripts/paper_figures/plot_EO_runtime.py \
  --input-root ./EO_results \
  --output-root ./EO_results

为论文图生成EO网格可视化：

python scripts/paper_figures/plot_EO_grid.py \
  --root ./EO_results_no_heuristics \
  --dataset ISAID \
  --shots 1

📚 Citation

If you use this work, please cite us:

@article{espinosa2025notimetotrain,
  title={No time to train! Training-Free Reference-Based Instance Segmentation},
  author={Miguel Espinosa and Chenhongyi Yang and Linus Ericsson and Steven McDonagh and Elliot J. Crowley},
  journal={arXiv preprint arXiv:2507.02798},
  year={2025},
  primaryclass={cs.CV}
}

--- Tranlated By Open Ai Tx | Last indexed: 2026-03-13 ---