TODO

• [ ] 确定研究方向
  • [ ] DINO相关（新且好，好落地）
  • [ ] 多模态（我喜欢）
  • [ ] 时序预测（感觉如果能用傅立叶啥的比较帅）

叙事方式： 直接余弦相似度不好→去掉RoPE 目标检测视角→点监督→区域生长法

进行中

grower从BFS改为二维高斯生长

使用RL筛选相关维度，看着挺有效的。但是遇到了几个问题：

• 对于桥梁、篮球场这些background，似乎无法用同一算法有效表达
• 是否要将原图也加入输出feature中？ 答：不清楚
• RoPE对模型到底要不要加上 答：w+wo都要有
• 多尺度怎么做？
• 缩放到patch喂dino计算相似度做reward？
• 如果是few-shot该怎么做？

归档

根据cls筛选相关维度。

DINOwithoutRoPE.pptx