AnyUp: Muestreo Ascendente Universal de Características

AnyUp: Universal Feature Upsampling

October 14, 2025

Autores: Thomas Wimmer, Prune Truong, Marie-Julie Rakotosaona, Michael Oechsle, Federico Tombari, Bernt Schiele, Jan Eric Lenssen

cs.AI

Resumen

Presentamos AnyUp, un método para el aumento de resolución de características que puede aplicarse a cualquier característica visual en cualquier resolución, sin necesidad de entrenamiento específico para un codificador. Los métodos existentes basados en aprendizaje para el aumento de resolución de características, como DINO o CLIP, requieren ser reentrenados para cada extractor de características y, por lo tanto, no generalizan a diferentes tipos de características durante la inferencia. En este trabajo, proponemos una arquitectura de aumento de resolución agnóstica a las características en tiempo de inferencia para mitigar esta limitación y mejorar la calidad del aumento de resolución. En nuestros experimentos, AnyUp establece un nuevo estado del arte para características aumentadas, generaliza a diferentes tipos de características y preserva la semántica de las mismas, siendo además eficiente y fácil de aplicar a una amplia gama de tareas posteriores.

English

We introduce AnyUp, a method for feature upsampling that can be applied to any vision feature at any resolution, without encoder-specific training. Existing learning-based upsamplers for features like DINO or CLIP need to be re-trained for every feature extractor and thus do not generalize to different feature types at inference time. In this work, we propose an inference-time feature-agnostic upsampling architecture to alleviate this limitation and improve upsampling quality. In our experiments, AnyUp sets a new state of the art for upsampled features, generalizes to different feature types, and preserves feature semantics while being efficient and easy to apply to a wide range of downstream tasks.