**ViT-Up：为视觉Transformer提供忠实特征上采样**

_ViT-Up: Faithful Feature Upsampling for Vision Transformers_

> ViT-Up提出一种隐式特征上采样框架，利用ViT中间隐藏状态构建查询，无需外部图像引导，实现任意连续图像坐标上的特征预测，保持与主干特征空间的对齐。在Cityscapes语义分割和SPair-71k语义对应上，较现有方法显著提升，例如在DINOv3-B上分别提升+3.36 mIoU和+8.09 PCK@0.10。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-18 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.14024)