مُحسِّن السمات

وحدة في Grounding DINO تأخذ سمات الصورة والنص الأولية وتُثريها عبر انتباه ذاتي وانتباه متبادل ثنائي الاتجاه بين النمطين. تتكوّن من ست طبقات مُكدَّسة تُنتج سمات مُدمَجة قبل مرحلة مفكِّك الشفرة.

A module in Grounding DINO that takes raw image and text features and enriches them through self-attention and bidirectional cross-attention between modalities. Composed of six stacked layers that produce fused features before the decoder stage.