Topic · 71 篇
目标检测与定位
输出边界框/关键点/掩码加类别。
这个方向的收录判据
在图像中定位并分类目标。包括 2D/3D 检测、开放词汇检测、弱监督检测、 anchor-free/DETR 类方法、实例级定位、关键点检测、显著性检测。 判据：输出是边界框/关键点/掩码 + 类别。
本方向全部 71 篇
YOLO-ULM：面向实时目标检测的超轻量模型
YOLO-ULM: Ultra-Lightweight Models for Real-Time Object Detection
提供了一套可复用的高效检测器设计范式：并行下采样与高效特征聚合模块可在不损失信息的前提下压缩骨干网络，配合改进的完整 IoU 损失，可直接迁移到其他实时检测或轻量骨干网络设计中。
YOLO-Master：基于专用Transformer的MOE加速增强实时检测
YOLO-Master: MOE-Accelerated with Specialized Transformers for Enhanced Real-time Detection
将稀疏混合专家（MoE）与动态路由引入YOLO框架，实现按场景复杂度自适应分配计算资源，为实时目标检测提供可复用的高效计算范式。
WeDetect：将快速开放词表目标检测视为检索
WeDetect: Fast Open-Vocabulary Object Detection as Retrieval
将开放词表检测视为检索问题，采用双塔架构避免跨模态融合层，实现实时推理；其冻结检测器并微调对象性提示词生成通用提案的思路，可复用于需要快速回溯历史数据的场景。
VisualAD：基于视觉 Transformer 的无语言零样本异常检测
VisualAD: Language-Free Zero-Shot Anomaly Detection via Vision Transformer
去掉文本分支、只用冻结 ViT 骨干加两个可学习 token 来编码正常/异常语义，为视觉研究者提供了一个可复用的纯视觉零样本判别范式，可直接替换 CLIP 文本提示词方案并适配 DINOv2 等骨干。
VidTAG：面向全球尺度的时序对齐视频到 GPS 地理定位与去噪序列预测
VidTAG: Temporally Aligned Video to GPS Geolocalization with Denoising Sequence Prediction at a Global Scale
把视频地理定位从图像检索式画廊匹配转为帧到 GPS 坐标的检索，并用 TempGeo 对齐帧嵌入、GeoRefiner 编码器-解码器做时序一致的 GPS 序列精修；对做视觉定位、跨模态检索与视频时序建模的人，这套「坐标库替代图像库 + 时序对齐精修」的范式可直接迁移到轨迹估计类任务。
ViTPrompt：面向开放词表检测的免训练视觉 token 提示词精炼
ViTPrompt: Training-Free Prompt Refinement with Visual Tokens for Open-Vocabulary Detection
提出一种无需训练、无需反向传播的测试时提示词精炼方法：利用首轮高置信检测结果提取实例感知视觉 token 来增强文本提示词，再通过跨模态解码器进行第二轮推理，同时提升边界框定位与分类置信度，可直接用于开放词表检测器的分布偏移场景。
VLM4RSDet：协同优化与视觉语言模型增强遥感目标检测
VLM4RSDet: Collaborative Optimization with Vision-Language Model for Enhancing Remote Sensing Object Detection
提出一种协同训练框架，利用视觉语言模型的先验知识增强闭集遥感目标检测器，推理时仅保留标准检测架构，避免额外开销；其全局-局部交叉注意力模块和可学习分层预测策略可迁移到其他检测任务中。
释放链式预测的潜力用于单目3D目标检测
Unleashing the Power of Chain-of-Prediction for Monocular 3D Object Detection
把 3D 属性（深度/尺寸/朝向）的投影相关性显式建模成链式特征传播，并用不确定性门控在链式与并行预测间逐目标切换，可直接迁移到其他多属性回归的几何估计任务（如单目深度+位姿、6D 位姿估计）。
UniSpector：面向通用开放集缺陷识别的光谱对比视觉提示
UniSpector: Towards Universal Open-set Defect Recognition via Spectral-Contrastive Visual Prompting
提出基于视觉提示的开放集缺陷定位框架，利用空间-光谱提示编码器提取方向不变细粒度特征，并通过对比提示编码器将提示空间正则化为语义组织的角度流形，为开放词表检测和少样本缺陷识别提供了可复用的提示拓扑设计思路。
UAV-CB：面向无人机检测的复杂背景 RGB-T 数据集与局部频率桥接网络
UAV-CB: A Complex-Background RGB-T Dataset and Local Frequency Bridge Network for UAV Detection
LFBNet 在局部频率空间建模特征，以弥合频域-空域融合鸿沟与跨模态差异，这一思路可直接迁移到其他 RGB-T 或可见光-红外检测器的融合模块设计中；UAV-CB 则提供了面向伪装与杂乱背景的评测基准。
TriLite：基于通用视觉特征与三区域解耦的高效弱监督目标定位
TriLite: Efficient Weakly Supervised Object Localization with Universal Visual Features and Tri-Region Disentanglement
用冻结的 DINOv2 ViT 特征配合极少量可训练参数（<800K）做单阶段弱监督定位，TriHead 把图像块特征解耦为前景/背景/模糊三区以提升物体覆盖度，为「冻结大骨干+轻量头」的定位与密集预测任务提供了可复用范式。
面向无人机目标检测的三模态融合Transformer
Tri-Modal Fusion Transformers for UAV-based Object Detection
MAGE 的通道-空间门控与 BiTE 的双向词元级注意力提供了一套可复用的多模态融合模块，可直接插入 ViT 编码器的指定深度；其 61 组消融对融合位置与融合机制的对比，为设计多传感器检测骨干网络提供了实证参考。
走向持续性：学习拓扑约束用于基于事件的小目标检测
Towards Persistence: Learning Topological Constraints for Event-based Small Object Detection
针对事件相机数据中的小目标检测，提出拓扑学习模块和空间一致性模块来约束时空轨迹的连续性，并设计拓扑感知损失函数，为事件流上的目标检测与轨迹完整性提供了可复用的建模思路。
Thermal-Det：面向开放词表热成像目标检测的语言引导跨模态蒸馏
Thermal-Det: Language-Guided Cross-Modal Distillation for Open-Vocabulary Thermal Object Detection
把冻结的 RGB 开放词表检测器当作教师，为成对但无标注的 RGB-热成像数据提供几何与语义伪监督，这一跨模态蒸馏范式可直接迁移到其他缺少标注的成像域（如近红外、深度、事件相机）的开放词表检测。
面向红外小目标检测的重建引导目标感知可逆编码器
Target-Aware Invertible Encoder with Reconstruction Guidance for Infrared Small Target Detection
可逆编码器将信息损失显式化为可优化量，配合仅在逆路径生效的目标感知重建调制，为小目标检测提供了一种不改变前向检测分布的表征增强手段，可迁移到其他尺度敏感检测任务。
SubspaceAD：基于子空间建模的无训练少样本异常检测
SubspaceAD: Training-Free Few-Shot Anomaly Detection via Subspace Modeling
用冻结的 DINOv2 patch 特征拟合 PCA 子空间、以重建残差作为异常分数，为少样本/单样本工业异常检测提供了一个无需训练、无需 memory bank 的强基线，可直接迁移到其他需要无监督打分的一类分类场景。
精简的开放词表人-物交互检测
Streamlined Open-Vocabulary Human-Object Interaction Detection
对做开放词表检测的人，这篇给出了一个可复用的思路：不再拼接传统检测器与 VLM 两套表征，而是把交互查询和骨干图像 token 一起送进 DINOv3 的文本对齐视觉头，让交叉注意力在同一个表征空间内完成，从而绕开跨模型特征融合的鸿沟；同时全冻结骨干、只训练少量参数的做法可直接迁移到其他开放词表定位任务。
脉冲驱动的离散聚合用于事件相机目标检测
Spike-driven Discrete Aggregation for Event-based Object Detection
把事件流到稠密张量的表征聚合从「无差别累积」改成「阈值触发的离散选择」，用门控循环脉冲神经元实现可微的稀疏事件筛选，可直接替换事件检测/识别流水线中的事件体素化或时间聚合前端。
穿透噪声：从噪声抑制视角改进红外小目标检测与分割
Seeing Through the Noise: Improving Infrared Small Target Detection and Segmentation from Noise Suppression Perspective
把频域低通/高通分解引入 FPN：用低频引导的高频分量净化来抑制噪声特征，并用螺旋采样替代规则网格采样做特征融合，可直接插到现有红外小目标检测/分割骨干上降低虚警。
SRA-Det：超越类别名称的全粒度开放词表检测
SRA-Det: Learning Omni-Grained Open-Vocabulary Detection Beyond Category Names
把开放词表检测从「类别名匹配」推进到「属性级细粒度查询」：用注意力从 token 级文本特征检索多个语义侧面，再用 soft-min 匹配近似可微的逻辑与，保证所有关键属性同时满足；这套「多侧面检索 + 软与匹配」可直接迁移到任何文本-区域对齐的检测/定位头。
SFR-Net：多标签零样本下水道缺陷检测中的引导-融合-精炼网络
SFR-Net: Steering-Fusion-Refining Network in Multi-label Zero-Shot Sewer Defect Detection
针对稀疏语义描述与复杂管道视觉环境之间的对齐歧义问题，提出参数高效的特征引导（steering）机制与解耦的全局/局部多粒度证据融合，并用已见类的关系逻辑迁移做分数校正；这套「引导-融合-精炼」范式可迁移到其他开放词表/零样本检测任务中缓解视觉-语义对齐歧义。
SDDF：面向开放词表伪装目标检测的特异性驱动动态聚焦
SDDF: Specificity-Driven Dynamic Focusing for Open-Vocabulary Camouflaged Object Detection
针对伪装目标与背景视觉高度相似导致开放词表检测失效的问题，提出子描述主成分对比融合来过滤多模态大模型生成的冗余修饰词，并用特异性引导的区域弱对齐与动态聚焦增强前景-背景判别，可直接迁移到任何文本提示驱动的检测器中做提示去噪与区域对齐。
旋转不变与对称感知像素差网络用于遥感目标检测
Rotation Invariant and Symmetry Aware Pixel Difference Network for Remote Sensing Object Detection
RIS-PDC 将旋转群先验和对称约束编码进卷积算子，用像素差和极谐空间聚合替代传统卷积，可直接替换骨干网络中的标准卷积，提升对旋转和遮挡的鲁棒性，且不增加参数量。
重新思考无人机跟踪中的遮挡建模
Rethinking Occlusion Modeling for UAV Tracking
把遮挡从随机 dropout 重新建模为受空间依赖约束的结构化过程，并用聚类生成密度自适应的遮挡模式做训练增强；同时用深度相关的先验动态调整 Transformer 推理深度，这套「结构化遮挡增广 + 代价感知早退」可直接迁移到其他单流跟踪器或需要部分可见性鲁棒性的检测/分割模型。
修复跨域少样本目标检测中的目标域散光问题
Remedying Target-Domain Astigmatism for Cross-Domain Few-Shot Object Detection
针对跨域少样本目标检测中注意力分散的问题，提出中心-外周注意力精炼框架，利用类特定原型和文本语义对齐来重塑注意力，可复用于其他域适应检测任务。
RegFormer：面向高效弱监督人-物交互检测的可迁移关系视觉定位
RegFormer: Transferable Relational Grounding for Efficient Weakly-Supervised Human-Object Interaction Detection
RegFormer 用空间视觉定位信号作为弱监督 HOI 推理的引导，把图像级交互推理直接迁移到实例级，无需额外训练；对做 HOI、场景图或弱监督定位的研究者，这是一个可复用的「定位引导关系推理」模块，能绕开枚举实例对带来的计算开销与假阳性。
RHCNet：面向鲁棒水下目标检测的残差引导分层校准网络
RHCNet: Residual-Guided Hierarchical Calibration Network for Robust Underwater Object Detection
针对水下图像前景-背景模糊、结构细节丢失的问题，在 ResNet-50 骨干中嵌入卷积+注意力的残差引导特征增强模块强化边缘纹理，并用自底向上语义增强与自顶向下细粒度补偿的双路径金字塔配合 K-means 引导的特征校准实现跨尺度语义一致，这套「增强+校准」组合可直接迁移到其他低对比度、模糊场景的检测器改进中。
RAID：检索增强的异常检测
RAID: Retrieval-Augmented Anomaly Detection
把 RAG 的「检索样本直接参与生成」思路搬到异常图生成上：用分层向量库检索类/语义/实例级正常模板，再用匹配代价体与引导式 MoE 抑制匹配噪声，可作为工业缺陷检测与少样本异常定位的可复用范式。
面向多标签图像分类的基于原型的因果干预
Prototype-based Causal Intervention for Multi-Label Image Classification
用可学习的上下文原型在记忆库中动态建模混淆因子，仅凭图像级监督近似后门调整，为视觉分类中去除共现偏差提供了一个可复用的因果干预模块。
面向遥感开放世界检测的无提示未知标签生成
Prompt-Free Unknown Label Generation for Open World Detection in Remote Sensing
提出无需外部提示的未知类别发现与语义标注框架，利用层次语义图与场景上下文合成文本嵌入，可直接用于开放世界检测器的词汇扩展与自主标注。
无提示通用区域提议网络
Prompt-Free Universal Region Proposal Network
提出一种无需图像/文本提示的通用区域提议网络，用可学习查询嵌入配合稀疏图像感知适配器与级联自提示完成潜在目标定位，可直接迁移到水下、工业缺陷、遥感等域外检测场景而无需微调，为开放场景下的类无关提议生成提供了可复用范式。
面向目标检测的可移植主动学习
Portable Active Learning for Object Detection
PAL 只依赖推理输出（提案框与分类分数）构造类别级不确定性，并用图像级熵、类别多样性与相似度做批次筛选，因此可直接套用到任意检测器（含开放词表或域偏移场景）的标注预算分配上，无需改动训练管线。
部分弱监督旋转目标检测
Partial Weakly-Supervised Oriented Object Detection
提出部分弱标注（水平框或单点）驱动的旋转目标检测框架，其方向与尺度感知学生模型（OS-Student）和类别无关伪标签过滤（CPF）可直接迁移到遥感、场景文字等需要 OBB 但标注昂贵的检测任务中，降低标注成本。
面向增量目标检测的参数化提示词
Parameterized Prompt for Incremental Object Detection
把可训练提示词从「提示池」改为由神经网络参数化生成，并用融合策略约束更新，可直接迁移到增量目标检测与开放世界检测中缓解新旧类共现导致的提示混淆与灾难性遗忘。
面向开放词表目标检测增强的参数高效语义增强方法
Parameter-Efficient Semantic Augmentation for Enhancing Open-Vocabulary Object Detection
用图像特征金字塔构建多尺度提示词库，为开放词表检测器注入细粒度局部语义，并用语义感知路由器在推理时动态选择增强策略，避免微调破坏预训练泛化性——这套「冻结主干+提示词增强」思路可直接迁移到任何需要跨域迁移的视觉-语言检测或分割模型。
PaQ-DETR：学习模式与质量感知的动态查询用于目标检测
PaQ-DETR: Learning Pattern and Quality-Aware Dynamic Queries for Object Detection
提出基于共享潜模式动态生成图像特定查询的机制，以及基于定位-分类一致性的质量感知一对多分配策略，可直接用于改进DETR类检测器的查询设计与监督平衡。
PET-DINO：通过提示词增强训练将视觉线索统一到 Grounding DINO 中
PET-DINO: Unifying Visual Cues into Grounding DINO with Prompt-Enriched Training
在 Grounding DINO 这类文本提示检测器上，用轻量视觉提示生成模块（AFVPG）把视觉线索注入文本提示路径，并配合批内并行提示与动态记忆提示两种训练策略，为开放词表/零样本检测提供了一条无需复杂多阶段优化的视觉提示融合方案。
OVOD-Agent：面向主动视觉推理与自演化检测的马尔可夫-班迪特框架
OVOD-Agent: A Markov-Bandit Framework for Proactive Visual Reasoning and Self-Evolving Detection
将开放词表检测的文本匹配过程重构为基于弱马尔可夫决策过程的智能体探索，利用Bandit模块在有限监督下生成探索信号，并通过自监督奖励模型闭环优化检测策略，为OVOD提供可复用的主动推理框架。
NoOVD：面向开放词表目标检测的新类别发现与嵌入
NoOVD: Novel Category Discovery and Embedding for Open-Vocabulary Object Detection
利用冻结视觉语言模型的知识进行自蒸馏，引导RPN和RoI头发现新类别目标，避免被误判为背景；并通过R-RPN在推理时调整候选框置信度，提升新类别召回率。
MonoSAOD：面向稀疏标注标签的单目3D目标检测
MonoSAOD: Monocular 3D Object Detection with Sparsely Annotated Label
针对稀疏标注场景，用道路感知的图像块粘贴增强保持3D几何一致性，并用原型相似度加深度不确定性过滤伪标签，可直接迁移到其他3D/2D检测器的半监督训练流程。
MoECLIP：面向零样本异常检测的图像块专用专家
MoECLIP: Patch-Specialized Experts for Zero-shot Anomaly Detection
把 MoE 路由下沉到图像块级别、每个图像块动态选择专属 LoRA 专家，是给 CLIP 类视觉语言模型做任务特化的可复用微调范式；FOFS 正交特征分离与 simplex ETF 损失抑制专家冗余的思路，可直接迁移到其他需要多专家分工的密集预测任务。
正视差距：迁移标签以对齐目标检测数据集
Mind the Gap: Transferring Labels to Align Object Detection Datasets
对需要合并多源检测数据集、但目标标签空间固定的视觉研究者，LAT 提供了一条无需共享类别体系与人工重标注的标签迁移路径：用数据集专属检测器生成伪标签，再以特权提议生成器（PPG）替代 RPN、以语义特征融合（SFF）抑制伪标签噪声，可直接复用到跨域检测与数据扩充流程中。
学习潜在概念用于分布外目标检测
Learning Latent Concepts for Detecting Out-of-Distribution Objects
提出基于槽位表征的无监督概念发现与神经概念绑定器，将未知概念注入检测器，为开放世界目标检测中的OOD识别提供可复用的框架。
InsCal：面向目标检测的校准式多源全测试时提示词调优
InsCal: Calibrated Multi-Source Fully Test-Time Prompt Tuning for Object Detection
把测试时提示词调优从分类扩展到文本驱动的开放词表检测器，并用实例级校准修正熵最小化带来的误校准，可直接用于跨域检测的免训练适配。
基于未来感知解耦跨头蒸馏的增量目标检测
Incremental Object Detection via Future-Aware Decoupled Cross-Head Distillation
把检测头与骨干网络的训练解耦，并用两个冻结的互补教师对学生的 ROI 特征做跨头蒸馏，可直接迁移到任何需要缓解灾难性遗忘的增量检测/分割框架中。
通过残差学习从查询样本中搜寻正常性以实现通用异常检测
Hunting Normality from Query Sample via Residual Learning for Generalist Anomaly Detection
将残差特征从「直接建模分布」改为「引导学习实例级正常性代理」，并用支持集特征动态聚合查询相关的正常性代理，这一思路可迁移到少样本缺陷检测、开放类别异常定位以及任何需要类不变表征的定位任务。
基础模型先验在特征空间中增强目标聚焦以用于无源目标检测
Foundation Model Priors Enhance Object Focus in Feature Space for Source-Free Object Detection
用 OV-SAM 生成的类无关二值掩码作为空间先验，直接正则化检测器特征空间而非仅修伪标签，这一「基础模型先验约束特征」的思路可迁移到其他无源域自适应检测、分割任务中抑制背景杂波响应。
动态室内环境中的少样本增量3D目标检测
Few-Shot Incremental 3D Object Detection in Dynamic Indoor Environments
把VLM的2D语义特征与类无关3D框结合成类别原型，并用多模态门控打分，为少样本增量3D检测提供了一条不依赖大量新类标注的路线；其原型印记与特征重加权机制可迁移到其他开放世界/增量检测设定。
面向域自适应目标检测的专家—教师—学生协同学习
Expert-Teacher-Student Collaborative Learning for Domain Adaptive Object Detection
把大规模视觉基础模型当作免训练的「专家」，与教师模型协同生成伪标签并做类级原型对齐，为跨域检测提供了一条无需额外训练成本就能引入 VFM 泛化知识的路径，可直接迁移到其他需要伪标签监督的域自适应视觉任务。
基于动态Token化关系Transformer的工程图端到端超关系信息抽取
End-to-End Hyper-Relational Information Extraction for Engineering Diagrams via Dynamically Tokenized Relation Transformer
DTRT 用动态 token 缩减与关系 Transformer 端到端地从高分辨率工程图中抽取符号、连线与文本之间的超关系，可直接迁移到需要同时定位元件并建模拓扑连接的场景（如电路图、流程图解析），其动态 token 剪枝策略对高分辨率图像的高效 Transformer 推理也有参考价值。
ElasticFormer：通过弹性计算视觉 Transformer 检测高分辨率宽幅图像中的目标
ElasticFormer: Detecting Objects in HRW Shots via Elastic Computing Vision Transformer
ElasticFormer 的 ElasticSelector 用方差打分加前景比例预测来动态选择窗口，这种按前景稀疏度弹性分配算力的思路可以直接迁移到任何高分辨率或大视场图像检测的骨干网络设计中，也提供了在缺少边界框标注时训练选择器的三阶段策略。
EW-DETR：通过增量低秩检测Transformer实现演化世界目标检测
EW-DETR: Evolving World Object Detection via Incremental Low-Rank DEtection TRansformer
EW-DETR 将增量低秩适配器、查询范数对象性适配器和熵感知未知混合集成到 DETR 类检测器中，为视觉研究者在无样本增量学习、域偏移和未知目标检测耦合场景下提供了可复用的模块化方案，并提出了 FOGS 综合评价指标。
DyFCLT：面向多模态小目标检测的动态频率解耦跨模态学习 Transformer
DyFCLT: Dynamic Frequency-Decoupled Cross-Modal Learning Transformer for Multimodal Tiny Object Detection
把频域子带解耦后做跨模态注意力，为 RGBT 小目标检测提供了一条可复用的思路：按频率成分而非空间位置对齐模态，可直接迁移到其他多模态密集预测任务。
基于能量分离的未知目标检测用于开放世界目标检测
Detecting Unknown Objects via Energy-based Separation for Open World Object Detection
用 ETF 构造正交子空间、并同时利用已知/未知两个空间的能量分数来分离未知目标，这一思路可直接迁移到开放词表检测与 OOD 目标发现中的未知判别头设计；EKD 损失对旧/新分类器施加分离约束，也可用于缓解增量检测中的新旧类知识干扰。
DLVP-CLIP：通过动态局部视觉提示增强细粒度零样本异常检测
DLVP-CLIP: Enhancing Fine-Grained Zero-Shot Anomaly Detection via Dynamic Local Visual Prompting
用语义感知的局部特征选择器从图像关键区域动态抽取视觉提示词 token，替代预定义文本提示词模板来补足 CLIP 的局部细节感知，这一动态视觉提示思路可直接迁移到其他需要细粒度局部判别的 CLIP 下游任务（如缺陷检测、病灶定位）。
DA-Mamba：学习域感知状态空间模型用于域自适应目标检测中的全局-局部对齐
DA-Mamba: Learning Domain-Aware State Space Model for Global-Local Alignment in Domain Adaptive Object Detection
用线性复杂度的状态空间模型（Mamba）替代 Transformer 的二次注意力，在骨干网络和检测头中分别插入图像级与实例级的全局建模模块，为跨域目标检测提供了一种可复用的全局-局部对齐范式，也可迁移到其他需要长程依赖的密集预测任务。
CountGD++：面向开放世界计数的泛化提示
CountGD++: Generalized Prompting for Open-World Counting
把计数任务重新表述为开放词表的提示词条件定位问题：用文本或视觉示例指定目标，用负向提示词排除干扰，并在推理时自动生成伪示例，省去人工标注；这套提示词接口可直接迁移到开放词表检测与基于示例的目标定位。
超越对比的一致性：通过上下文一致性学习增强开放词表目标检测鲁棒性
Consistency Beyond Contrast: Enhancing Open-Vocabulary Object Detection Robustness via Contextual Consistency Learning
提出上下文一致性学习框架，通过生成同一物体在不同背景下的图像并施加特征一致性损失，提升开放词表检测器对背景变化的鲁棒性，可直接用于增强现有开放词表检测模型的泛化能力。
CHAL：因果引导的分层异常感知学习用于运动红外小目标检测
CHAL: Causal-guided Hierarchical Anomaly-aware Learning for Moving Infrared Small Target Detection
将目标检测转化为背景建模下的异常发现，利用时空神经场学习背景演化模式，并通过因果引导机制抑制背景混杂造成的虚假关联，为弱小目标检测提供了新思路。
Bridge：基驱动因果推理结合视觉基础模型实现域泛化
Bridge: Basis-Driven Causal Inference Marries VFMs for Domain Generalization
把因果前门调整实现为可学习的低秩基，用来阻断光照、风格、共现等混杂因子对检测器的虚假关联，并可作为即插即用模块挂到 DINOv2/3、SAM、Stable Diffusion 等视觉基础模型上，为单源域泛化检测提供了一条不依赖目标域数据的通用思路。
推动视觉语言模型面向跨域增量目标检测
Boosting Vision-Language Models Towards Cross-Domain Incremental Object Detection
把「跨域 + 新类别」同时纳入增量目标检测的评测协议，并用按分布分组的动态子空间 + 渐进式 adapter 合并来平衡稳定性与可塑性，可直接迁移到开放世界检测器或 VLM 检测器的持续适配场景。
面向目标检测的保持驱动知识压缩黑盒域自适应
Black-Box Domain Adaptation for Object Detection with Retention-Driven Knowledge Compression
把终身学习中的记忆保持与场景压缩机制引入黑盒域自适应目标检测，用分区记忆对比学习过滤噪声伪标签、用近远视图对比挖掘远视区域线索，可直接迁移到无源数据的目标检测域迁移场景。
面向少样本多类异常检测的双向多模态提示学习与尺度感知训练
Bidirectional Multimodal Prompt Learning with Scale-Aware Training for Few-Shot Multi-Class Anomaly Detection
把文本提示与视觉提示做双向交互、并用全局+局部双视图训练尺度感知前缀，为少样本多类异常检测提供了一种无需异常类型描述、无需外部模块的轻量提示学习范式，可直接迁移到工业质检与医学异常定位。
超越提示词退化：原型引导的双池提示词增量目标检测
Beyond Prompt Degradation: Prototype-guided Dual-pool Prompting for Incremental Object Detection
提出双池提示词解耦范式（共享池+私有池）与原型伪标签生成模块，可复用于任何基于提示词的增量目标检测器，缓解提示词耦合与漂移问题。
超越对偶性：利用共享与私有特征的混合框架用于RGB-事件目标检测
Beyond Duality: A Hybrid Framework of Leveraging Shared and Private Features for RGB-Event Object Detection
提出基于频域一致性的共享与私有特征解耦方法，可复用于其他多模态融合检测任务；TriAdapt 编码器与 TriInject 解码器的设计思路对处理模态间互补信息有参考价值。
面向遥感图像细粒度目标检测的平衡层级对比学习与解耦查询
Balanced Hierarchical Contrastive Learning with Decoupled Queries for Fine-grained Object Detection in Remote Sensing Images
在 DETR 框架内把 object query 拆成分类集与定位集，并用带可学习类原型的层级对比损失平衡各层级类别梯度，可直接迁移到任何需要细粒度分类与定位解耦的检测器。
BDNet：受生物启发的双骨干小目标检测网络
BDNet:Bio-Inspired Dual-Backbone Small Object Detection Network
针对遥感小目标颜色对比度低、边缘模糊的问题，用颜色拮抗与方向选择性两条并行骨干分别提特征再融合，这种「按退化类型分路提特征」的双骨干设计可直接迁移到其他低对比度/弱边缘场景的检测器骨干改造。
AgentDet：一种用于零样本/少样本目标检测的共享黑板多智能体框架
AgentDet: A Shared-Blackboard Multi-Agent Framework for Zero-/Few-Shot Object Detection
提出共享黑板多智能体框架，将检测解耦为四个协作角色，仅训练Agent-Judge的图像编码器和基于LLM的检测头，为视觉研究者提供了一种轻量级、可泛化到新类别的零/少样本检测新范式。
AKCMamba-YOLO：用于实时目标检测的选择性状态空间模型
AKCMamba-YOLO: Selective State Space Models For Real-Time Object Detection
将线性复杂度的选择性状态空间模型（SSM）引入YOLO架构，为实时目标检测提供替代注意力机制的全局建模方案，可复用于需要长程依赖但计算受限的检测场景。
A2GC：面向局部聚合描述子的几何约束非对称聚合
A2GC: Asymmetric Aggregation with Geometric Constraints for Locally Aggregated Descriptors
把 Sinkhorn 的对称边缘约束改成行列归一化加独立边缘校准的非对称匹配，并用可学习坐标嵌入把空间邻近性注入特征-聚类兼容度；做图像检索/位置识别的人可以直接把这套聚合头替换到现有 VPR 骨干后面。
深入审视跨域少样本目标检测：微调至关重要且并行解码器有益
A Closer Look at Cross-Domain Few-Shot Object Detection: Fine-Tuning Matters and Parallel Decoder Helps
提出一种混合集成解码器，通过共享层级层后接多个并行解码器分支（分支使用继承或新初始化的去噪查询）来提升少样本微调时的泛化性，且不增加额外参数；配合平台感知学习率调度的统一渐进式微调框架，为跨域少样本目标检测提供了可复用的解码器设计与训练策略。