TraceCLIP利用patch到CLS的贡献关系恢复CLIP中的局部视觉语言对应。
推荐理由：它试图不重训CLIP而挖出局部语义，对开放词汇分割和区域识别很实用；关键意义是把全局对比预训练资产转成密集理解能力。
阅读原文