使用 CLIPSeg 进行零样本图像分割

CLIPSeg 是一种基于 CLIP 的零样本图像分割模型，通过冻结的 CLIP 编码器与 Transformer 解码器生成粗略分割掩码。该模型支持文本或图像作为提示词，能泛化至未见过的类别。由于输出分辨率较低，需借助 Segments.ai 等工具进行微调以获取精确结果。