Cross-Modality Decoder

مفكِّك شفرة يُوسّع بنية DINO بإضافة طبقة انتباه متبادل مع النص في كل طبقة فك تشفير، مما يتيح للاستعلامات امتصاص المعلومات اللغوية باستمرار أثناء تنقيح الكشوفات.

A decoder that extends DINO's architecture by adding a text cross-attention layer in every decoder layer, allowing queries to continuously absorb language information while refining detections.