3D Field of Junctions: A Noise-Robust, Training-Free Structural Prior for Volumetric Inverse Problems
本文提出了一种无需训练且抗噪性强的新型三维场连接（3D FoJ）表示法，通过优化三维楔形连接作为结构先验，在低信噪比条件下有效提升了 CT、冷冻电镜及激光雷达点云等多种三维成像逆问题的去噪与重建质量，并优于现有的经典与深度学习方法。
👁️ Category
cs.CV
9812 篇论文
Data Augmentation via Mixed Class Interpolation using Cycle-Consistent Generative Adversarial Networks Applied to Cross-Domain Imagery
该论文提出了一种基于条件 CycleGAN 的混合类插值数据增强方法（C2GMA），通过利用可见光图像合成合成孔径雷达（SAR）域数据，有效解决了非可见光领域数据稀缺问题，并在冰山分类任务中将准确率提升至 75.4%，显著优于传统增强策略。
Dite-HRNet: Dynamic Lightweight High-Resolution Network for Human Pose Estimation
本文提出了一种名为 Dite-HRNet 的动态轻量级高分辨率网络，通过引入动态多尺度上下文块和动态全局上下文块来高效提取多尺度特征并建模长程空间依赖，从而在 COCO 和 MPII 数据集上实现了优于现有轻量级网络的人体姿态估计性能。
CO^3: Cooperative Unsupervised 3D Representation Learning for Autonomous Driving
本文提出了 CO^3 方法，通过利用车端与路侧 LiDAR 数据构建对比视图并结合上下文形状预测任务，实现了面向户外场景的无监督 3D 点云表征学习，显著提升了跨传感器和跨数据集的迁移性能及下游检测任务精度。
A Fault Detection Scheme Utilizing Convolutional Neural Network for PV Solar Panels with High Accuracy
该论文提出了一种基于卷积神经网络（CNN）的故障检测方案，通过对光伏电池图像进行二分类和多分类，实现了高达 91.1% 和 88.6% 的准确率，显著优于先前研究并有效提升了光伏系统的鲁棒性。
Confronting Reward Overoptimization for Diffusion Models: A Perspective of Inductive and Primacy Biases
本文通过揭示扩散模型对齐中奖励过优化与归纳偏差及首因效应的关联，提出了一种利用时间归纳偏差并重置活跃神经元以抑制首因效应的 TDPO-R 算法，从而有效缓解了奖励过优化问题。
Uni-ISP: Toward Unifying the Learning of ISPs from Multiple Mobile Cameras
本文提出了 Uni-ISP，一种通过设备感知嵌入和特殊训练方案统一多移动相机 ISP 学习的新框架，并构建了 FiveCam 数据集，显著提升了正向与逆向 ISP 的性能及对新相机模型的适应性。
R2GenCSR: Mining Contextual and Residual Information for LLMs-based Radiology Report Generation
本文提出了 R2GenCSR 框架，通过采用线性复杂度的 Mamba 作为视觉骨干网络，并结合训练过程中的正负样本上下文检索机制，有效提升了大语言模型在医学影像报告生成任务中的性能与效率。
Shuffle Mamba: State Space Models with Random Shuffle for Multi-Modal Image Fusion
本文提出了一种名为 Shuffle Mamba 的新型多模态图像融合框架，通过引入随机洗牌扫描策略及其理论可逆的逆洗牌变换来消除固定扫描带来的偏差，并结合模态感知表示与蒙特卡洛平均测试方法，实现了优于现有最先进方法的融合质量。
Towards Privacy-Guaranteed Label Unlearning in Vertical Federated Learning: Few-Shot Forgetting without Disclosure
本文提出了垂直联邦学习中首个针对标签遗忘的隐私保障方法，通过表示级流形混合增强生成合成嵌入，结合基于梯度的遗忘与恢复优化步骤，在无需泄露数据的前提下实现了高效且保留实用性的标签遗忘。
Stereo-Talker: Audio-driven 3D Human Synthesis with Prior-Guided Mixture-of-Experts
本文提出了 Stereo-Talker，一种新颖的单样本音频驱动 3D 人类视频合成系统，它通过融合大语言模型先验来生成高保真动作序列，并利用先验引导的混合专家机制优化扩散模型，从而实现了具备精确口型同步、丰富肢体表达、时间一致性及连续视角控制的高质量 3D 说话人视频生成。
Aligning Few-Step Diffusion Models with Dense Reward Difference Learning
本文提出了步级扩散策略优化（SDPO）框架，通过双状态轨迹采样、基于潜在相似性的密集奖励预测及奖励差异学习等创新机制，有效解决了少步扩散模型在强化学习中难以对齐特定下游目标的问题，实现了高效且高质量的奖励对齐图像生成。
TREND: Unsupervised 3D Representation Learning via Temporal Forecasting for LiDAR Perception
本文提出了名为 TREND 的无监督 3D 表示学习方法，通过结合循环嵌入与时间神经场，利用可微分渲染对 LiDAR 点云序列进行未来帧预测预训练，从而在无需标注的情况下显著提升了下游 3D 目标检测任务的性能。
CLAP: Unsupervised 3D Representation Learning for Fusion 3D Perception via Curvature Sampling and Prototype Learning
本文提出了名为 CLAP 的无监督联合预训练方法，通过曲率采样降低计算成本并利用可学习原型挖掘图像与点云的互补性，从而在融合 3D 感知任务中显著超越了现有最先进方法。
GenVidBench: A 6-Million Benchmark for AI-Generated Video Detection
本文提出了 GenVidBench，这是一个包含 678 万条视频、涵盖 11 种最先进生成模型且具备跨源跨生成器特性的超大规模基准数据集，旨在解决当前 AI 生成视频检测领域缺乏高质量数据的问题并推动通用检测模型的发展。
Multi-illuminant Color Constancy via Multi-scale Illuminant Estimation and Fusion
该论文提出了一种基于多尺度图像线性组合与三分支卷积网络的多尺度光照估计及融合方法，通过自适应注意力融合模块有效解决了多光照场景下的颜色恒常性问题，并取得了最先进的性能。
DSV: Exploiting Dynamic Sparsity to Accelerate Large-Scale Video DiT Training
该论文提出了 DSV 方法，通过利用动态注意力稀疏性、两阶段低秩近似算法及混合稀疏感知上下文并行策略，在无需损失生成质量的前提下，将大规模视频 DiT 训练的吞吐量最高提升了 3.02 倍。
Spread them Apart: Towards Robust Watermarking of Generated Content
本文提出了一种在推理阶段嵌入水印的无需重训练方法，用于生成式图像内容的版权保护与溯源，并证明了该水印在对抗加性扰动及多种合成移除攻击时具有鲁棒性。
JiSAM: Alleviate Labeling Burden and Corner Case Problems in Autonomous Driving via Minimal Real-World Data
本文提出了名为 JiSAM 的即插即用方法，通过抖动增强、领域感知骨干网络及基于记忆的扇区对齐技术，仅需 2.5% 的真实标注数据结合模拟数据，即可在 NuScenes 数据集上实现与全量真实数据训练相当的性能，并显著提升了对未标注罕见目标的检测能力。
Autoregressive Image Generation with Randomized Parallel Decoding
本文提出了 ARPG 模型，通过解耦位置引导与内容表示并引入随机并行解码机制，在保持因果注意力结构的同时实现了高效的零样本泛化与并行推理，显著提升了图像生成的速度与内存效率。