CLOUDS

多模型协作，让语义分割在陌生场景下依然稳准狠

CLOUDS 是 CVPR 2024 收录的官方实现，针对域泛化语义分割任务，提出协作基础模型框架。它解决单一基础模型在未知域（如不同城市、天气、光照）下分割性能退化的问题，通过协同多个预训练基础模型（如 CLIP、DINOv2 等）的互补特征，增强模型对域偏移的鲁棒性。核心能力包括：多基础模型特征融合、域泛化训练策略、以及基于 PyTorch 的简洁实现。项目代码结构清晰，提供训练和评估脚本，适合研究者复现和扩展。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 77

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队yasserben

所属国家

官网地址

GitHubhttps://github.com/yasserben/CLOUDS

定价模式free

价格说明开源项目，Apache-2.0许可证，可免费使用和部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型deep-learning,detectron2,domain-adaptation,domain-generalization,foundation-models,mask2former,semantic-segmentation,transformer

GitHub 星标★ 77

30天Star增速

HF 下载量

上线时间2023-12-15 00:00:00

最近更新2026-04-14 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

CVPR 2024 官方实现，算法有顶会背书，可靠性高
多基础模型协同，充分利用 CLIP 等预训练模型的泛化能力
代码基于 PyTorch，结构清晰，易于上手和二次开发

不足之处

项目处于早期，文档和社区支持待观察
依赖多个大型基础模型，推理和训练资源消耗较大

适用场景

自动驾驶场景下的语义分割（应对不同城市、天气）
机器人视觉在未知环境中的感知
学术研究：域泛化、多模态基础模型融合

替代项目

HRDA、DAFormer、SegFormer

项目介绍

CLOUDS 是计算机视觉领域的开源项目，由 yasserben 开发，2023 年首次发布。

它收录于计算机视觉分类，该分类目前共有 447 个项目，GitHub 星标数为 77。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-04-14。Apache-2.0许可证，可免费使用和部署。

它主要面向的使用场景是：自动驾驶场景下的语义分割（应对不同城市、天气）。同类可对比的替代方案包括 HRDA、DAFormer、SegFormer。

上一篇：FoundAD

下一篇：WinCLIP