Tag · 24 篇
不确定性估计
iSplat：面向细粒度高斯泼溅的迭代学习
iSplat: Iterative Learning for Fine-Grained Gaussian Splatting
把单次前馈高斯泼溅重建改成 3 次循环的 GRU 迭代优化器，配合基于不确定性的深度搜索空间收缩，可在不增加参数量的前提下显著提升跨数据集新视角合成的泛化；做前馈 3DGS 或深度先验融合的工作可直接借鉴该迭代精化范式。
VES-RFT：以视觉证据敏感性为奖励缓解大型视觉语言模型中的幻觉
VES-RFT: Rewarding Visual Evidence Sensitivity to Mitigate Hallucinations in Large Vision-Language Models
把「有图/无图两次前向的熵差」定义成可计算的视觉证据敏感度奖励，配合自动核验物体正确性的可验证奖励，用无 critic 的 GRPO 做训练时对齐；做 VLM 幻觉或视觉 grounding 的工作可以直接复用这套双奖励与并行双前向的训练范式，且推理仍是单次前向、无额外开销。
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）。
面向未对齐 RGB-T 显著性目标检测的不确定性感知模态融合
Uncertainty-Aware Modality Fusion for Unaligned RGB-T Salient Object Detection
把像素特征建模为高斯潜变量分布来估计局部不确定性，从而在特征空间内实现免配准的隐式跨模态对齐，并用置信度图调制融合权重；这套「不确定性驱动对齐+融合」思路可直接迁移到其他未配准多模态密集预测任务（如 RGB-D 分割、多光谱检测）。
U^2Flow：不确定性感知的无监督光流估计
U^2Flow: Uncertainty-Aware Unsupervised Optical Flow Estimation
把增强一致性通过拉普拉斯最大似然转成逐像素不确定性监督，可在无真值场景下为任何光流或匹配网络提供可用的置信度，并用于引导细化与区域平滑权重。
UCMNet：面向屏下摄像头图像复原的不确定性感知上下文记忆网络
UCMNet: Uncertainty-Aware Context Memory Network for Under-Display Camera Image Restoration
用不确定性图作为空间先验来引导记忆库检索区域自适应上下文，这一「不确定性驱动 + 记忆检索」范式可迁移到其他空间非均匀退化复原任务（如散焦去模糊、镜头污渍、混合退化去噪），且以更少参数达到最优，对轻量化复原网络设计有直接参考价值。
面向视觉-语言-动作模型的延迟反馈测试时扰动调优
Test-Time Perturbation Tuning with Delayed Feedback for Vision-Language-Action Models
对做视觉-语言-动作模型的研究者，这篇给出了一个无需微调基座模型、无需额外验证器的测试时自适应流程：用基于不确定性的数据增强加动作投票抑制动作与实体间的伪相关，再用延迟反馈驱动的轻量扰动模块校正动作 logits 的过度自信，可直接迁移到机器人操作策略的部署阶段。
面向安全感知端到端驾驶的可靠策略迁移深度强化学习
Reliable Policy Transfer for Safety-Aware End-to-End Driving with Deep Reinforcement Learning
把逐边异方差不确定性与 critic 集成的不确定性信号统一接入关系图注意力、策略熵门控与迁移对齐，为视觉端到端驾驶提供了一种可复用的「控制层可靠性接口」设计；做闭环驾驶策略学习时可直接借鉴其不确定性驱动探索与少样本域迁移的做法。
RaUF：学习雷达的空间不确定性场
RaUF: Learning the Spatial Uncertainty Field of Radar
提出基于各向异性概率模型的空间不确定性场学习框架，可复用于雷达点云去噪与几何推理；双向域注意力机制利用空间结构与多普勒一致性互补抑制杂波，为多模态融合中的特征对齐提供新思路。
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。
PRIMU：基于基元级误差与覆盖表示的高斯泼溅新视角不确定性估计
PRIMU: Uncertainty Estimation for Novel Views in Gaussian Splatting from Primitive-Based Representations of Error and Coverage
把训练视角的误差与覆盖统计投影到高斯基元上，再渲染成不确定性特征图并用留出数据做像素级回归，这套后处理式不确定性估计可直接用于新视角合成中的主动视角选择与深度可靠性评估。
PAUL：不确定性引导的分区与增强用于噪声对应下的鲁棒跨视角地理定位
PAUL: Uncertainty-Guided Partition and Augmentation for Robust Cross-View Geo-Localization under Noisy Correspondence
针对跨视角地理定位中因GPS漂移导致的图像对空间错位（噪声对应）问题，提出基于数据不确定性和损失模式划分干净/噪声样本、并对高置信区域做局部增强的鲁棒训练框架，可复用于其他存在标注噪声或弱对应的视觉检索/匹配任务。
PAD-Hand：面向手部运动恢复的物理感知扩散模型
PAD-Hand: Physics-Aware Diffusion for Hand Motion Recovery
把欧拉-拉格朗日动力学残差当作虚拟观测，接入条件扩散模型来精修手部姿态序列，并用最后一层拉普拉斯近似给出逐关节、逐帧的物理一致性方差；做手部或人体运动捕捉时，可直接复用这套「物理残差+不确定性」的后处理精修思路。
通过位姿图优化从无位姿图像中学习场景坐标重建
Learning Scene Coordinate Reconstruction from Unposed Images via Pose Graph Optimization
把位姿图优化作为后处理模块接到无监督 SfM 网络（ACE-Zero）的输出上，并用对极几何与光流一致性估计每条相对位姿约束的置信度，做加权优化——这套「学习预测 + 全局几何优化」的混合范式可直接迁移到任何需要从无序图像恢复相机位姿的视觉流程中。
GeoGuide：面向开放词表 3D 语义分割的分层几何引导
GeoGuide: Hierarchical Geometric Guidance for Open-Vocabulary 3D Semantic Segmentation
用预训练 3D 模型自身的几何先验替代对 2D 开放词表模型的单向蒸馏，通过超点级不确定性加权和实例级掩码重建抑制 2D 噪声，为 3D 开放词表分割提供了一条不牺牲几何表征的路线。
从 Softmax 到 Dirichlet：面向半监督语义分割的证据学习
From Softmax to Dirichlet: Evidential Learning for Semi-supervised Semantic Segmentation
用狄利克雷分布对类别概率建模，从分布视角给出原则性的不确定性估计，替代 softmax 置信度做伪标签筛选；HESS 将排他证据与集体证据解耦，可直接嵌入现有半监督分割框架提升伪标签可靠性。
Fed-ADE：分布偏移下联邦后自适应的自适应学习率
Fed-ADE: Adaptive Learning Rate for Federated Post-adaptation under Distribution Shift
为视觉模型部署后的无标签在线自适应提供了一套按客户端、按时间步动态调节学习率的机制：用预测不确定性的变化与特征漂移来估计分布偏移强度，可直接迁移到视觉模型在非平稳数据流上的持续测试时自适应，避免固定学习率导致的欠拟合或发散。
证据变换网络：将预训练模型转化为证据模型以进行事后不确定性估计
Evidential Transformation Network: Turning Pretrained Models into Evidential Models for Post-hoc Uncertainty Estimation
对视觉研究者而言，ETN 提供了一种即插即用的后处理手段：只需在冻结的预训练分类器 logit 上学习一个样本相关的仿射变换，就能把任意现成模型转成可输出 Dirichlet 证据量的模型，用于 OOD 检测与置信度校准，无需重训或多次前向。
基于概率评估与校准提升外观式视线跟踪中不确定性估计的准确性
Enhancing Accuracy of Uncertainty Estimation in Appearance-based Gaze Tracking with Probabilistic Evaluation and Calibration
把不确定性估计当作输出级条件分布匹配问题，用少量校准样本做事后校准，可直接迁移到视线跟踪、头部姿态、关键点回归等回归式视觉任务在域偏移下的置信度修正。
通过视觉基础模型探究医学图像分割中的偶然不确定性
Delving Aleatoric Uncertainty in Medical Image Segmentation via Vision Foundation Models
利用视觉基础模型解码特征的奇异值能量定义语义感知尺度来量化偶然不确定性，可迁移到其他密集预测任务中做样本筛选和损失加权。
面向野外环境的 DROID-SLAM
DROID-SLAM in the Wild
把逐像素不确定性从多视角特征不一致性中估计出来，并嵌入可微 Bundle Adjustment，为动态场景下的跟踪与建图提供了一种可复用的鲁棒加权机制，可直接迁移到其他需要剔除动态干扰的视觉里程计或重建流程。
以双粒度对齐增强 CLIP 的视觉重编程
Boosting Visual Reprogramming for CLIP with Dual Granularity Alignment
把 CLIP 的视觉重编程从单层图文对齐扩展到「多尺度视觉粒度 + 标签层级语义粒度」的双粒度对齐，其中不确定性校准的预测融合（UPF）与原型引导的层级知识传播（HKP）可直接迁移到其他需要多尺度或多层级标签的下游适配任务。
ActiveAD：面向规划的端到端自动驾驶主动学习
ActiveAD: Planning-Oriented Active Learning for End-to-End Autonomous Driving
提出面向规划任务的主动学习采样策略，通过多样性指标解决冷启动、不确定性指标选择关键样本，可复用于视觉模型训练中的数据高效标注场景。
AREA3D：融合前馈三维感知与视觉语言引导的主动重建智能体
AREA3D: Active Reconstruction Agent with Unified Feed-Forward 3D Perception and Vision-Language Guidance
把前馈三维模型（如 VGGT 类）与不确定性建模解耦，用视觉语言模型提供语义先验来指导下一最佳视角选择，可直接迁移到主动式三维扫描、机器人探索和稀疏视角重建流程中。