AnyUp: Amostragem Universal de Recursos
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
Resumo
Apresentamos o AnyUp, um método para upsampling de características que pode ser aplicado a qualquer característica visual em qualquer resolução, sem treinamento específico para o codificador. Os métodos existentes baseados em aprendizado para upsampling de características, como DINO ou CLIP, precisam ser retreinados para cada extrator de características e, portanto, não generalizam para diferentes tipos de características no momento da inferência. Neste trabalho, propomos uma arquitetura de upsampling agnóstica em relação às características, aplicável durante a inferência, para mitigar essa limitação e melhorar a qualidade do upsampling. Em nossos experimentos, o AnyUp estabelece um novo estado da arte para características com upsampling, generaliza para diferentes tipos de características e preserva a semântica das características, sendo eficiente e fácil de aplicar a uma ampla gama de tarefas subsequentes.
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.