AnyUp: Upsampling Universale delle Caratteristiche
AnyUp: Universal Feature Upsampling
October 14, 2025
Autori: Thomas Wimmer, Prune Truong, Marie-Julie Rakotosaona, Michael Oechsle, Federico Tombari, Bernt Schiele, Jan Eric Lenssen
cs.AI
Abstract
Introduciamo AnyUp, un metodo per l'upsampling di feature che può essere applicato a qualsiasi feature visiva a qualsiasi risoluzione, senza necessità di addestramento specifico per l'encoder. Gli attuali upsampler basati su apprendimento per feature come DINO o CLIP richiedono di essere ri-addestrati per ogni estrattore di feature e quindi non generalizzano a diversi tipi di feature durante l'inferenza. In questo lavoro, proponiamo un'architettura di upsampling agnostica rispetto alle feature, utilizzabile durante l'inferenza, per mitigare questa limitazione e migliorare la qualità dell'upsampling. Nei nostri esperimenti, AnyUp stabilisce un nuovo stato dell'arte per le feature upsampled, generalizza a diversi tipi di feature e preserva la semantica delle feature, risultando al contempo efficiente e facile da applicare a un'ampia gamma di task downstream.
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.