Tag · 31 篇
伪标签
VideoMaMa：基于生成先验的掩码引导视频抠图
VideoMaMa: Mask-Guided Video Matting via Generative Prior
利用预训练视频扩散模型的生成先验，将粗分割掩码细化为像素级 alpha matte，并构建大规模伪标签视频抠图数据集，为视频抠图提供可扩展的监督信号。
基于协同视角的无监督多智能体与单智能体感知
Unsupervised Multi-agent and Single-agent Perception from Cooperative Views
利用多智能体协同视角的点云密度增益与跨视角一致性作为无监督信号，为单车单视角 3D 检测生成伪标签，可直接迁移到车路协同、V2X 等无标注部署场景。
面向视频与时间序列的因果最优传输不确定性感知无监督域自适应
Towards Uncertainty-aware Unsupervised Domain Adaptation for Videos and Time-Series with Causal Optimal Transport
将因果图正则化嵌入最优传输对齐过程，为视频域自适应提供了一种同时对齐特征分布与因果结构的可复用框架，其基于熵与结构一致性的伪标签筛选策略可直接用于提升自训练稳定性。
面向少标签的多模态域泛化
Towards Multimodal Domain Generalization with Few Labels
把半监督伪标签与域泛化结合到多模态设定：用融合后各单模态一致的高置信预测生成伪标签，并对不一致样本单独建模，再用跨模态原型对齐约束域不变与模态不变表征——这套「一致性伪标签 + 分歧感知 + 原型对齐」可直接迁移到多模态分类或检索在少标注、跨域、模态缺失时的训练流程。
双先验文本-相位协同网络用于无监督跨域图像检索
Text-Phase Synergy Network with Dual Priors for Unsupervised Cross-Domain Image Retrieval
利用CLIP生成的域特定提示作为文本先验提供语义监督，并引入域不变相位特征作为相位先验桥接域分布差距，为无监督跨域检索提供可复用的双先验协同框架。
Tell2Adapt：基于视觉基础模型的无源无监督域自适应统一框架
Tell2Adapt: A Unified Framework for Source Free Unsupervised Domain Adaptation via Vision Foundation Model
利用视觉基础模型（VFM）的上下文感知提示正则化生成高质量伪标签，并通过视觉合理性精炼将预测重新锚定到目标图像的低层特征，为无源域自适应分割提供可复用的两阶段框架。
TVHighlights：LLM 引导的无人工协同训练用于影视剧视频亮点检测
TVHighlights: LLM-Guided Human-Free Collaborative Training for Video Highlight Detection in Movies and TV Dramas
把 LLM 生成的片段级伪标签与轻量视频模型的置信度预测放进自提升闭环，配合噪声鲁棒学习，为长视频时序定位类任务提供了一套无需人工标注的协同训练范式，可直接迁移到视频摘要、精彩片段检索等时序定位问题。
TR2M：借助语言描述与双层尺度导向对比将单目相对深度迁移为度量深度
TR2M: Transferring Monocular Relative Depth to Metric Depth with Language Descriptions and Dual-Level Scale-Oriented Contrast
把相对深度经文本+图像双模态条件、以像素级重缩放图映射到度量深度，并用深度分布引导的双层对比学习约束尺度，可作为跨域深度尺度对齐与伪度量标签构建的可复用范式。
Spatial-SAM：基于 SDF 记忆与半监督学习的空间一致三维电子显微镜分割
Spatial-SAM: Spatially Consistent 3D Electron Microscopy Segmentation with SDF Memory and Semi-Supervised Learning
用 3D U-Net 预计算的有符号距离场（SDF）替代 SAM2 的记忆库，为视频/体数据分割提供几何先验以维持跨切片空间一致性；配合双轨伪标签迭代，可在极少标注下把 SAM2 的少样本能力迁移到 3D 体数据，这套「SDF 记忆 + 伪标签自训练」思路可复用到其他层序切片数据（CT、MRI、显微）的 3D 分割。
Shape-of-You：融合 Gromov-Wasserstein 最优传输用于野外语义对应
Shape-of-You: Fused Gromov-Wasserstein Optimal Transport for Semantic Correspondence in-the-Wild
将伪标签生成建模为融合 Gromov-Wasserstein 最优传输问题，并利用 3D 基础模型提供几何结构约束，为无监督语义对应提供了一种可复用的结构化监督信号生成思路。
基于锚框语义感知与连续伪标签重铸的半监督超声心动图视频分割
Semi-supervised Echocardiography Video Segmentation via Anchor Semantic Awareness and Continuous Pseudo-label Reforging
针对医学视频中噪声和动态运动导致的边界模糊问题，提出可学习的锚框语义感知模块和连续伪标签重铸策略，可迁移到其他半监督视频分割任务中提升时序一致性和伪标签质量。
重新审视完全精度的必要性：面向错位建筑标签的弱监督目标级偏移校正
Revisiting the Necessity of Full Accuracy: Weakly Supervised Object-Level Offset Correction for Misaligned Building Labels
针对标注与影像存在空间错位时分割性能下降的问题，提供了一套可复用的两阶段流程：先用先验正则化的自对齐生成高置信度的目标级偏移伪标签，再训练实例级偏移回归模型来精修标签；可直接用于遥感建筑分割等存在标注错位的数据集构建与域自适应。
基于验证器引导伪标签的真实世界点跟踪
Real-World Point Tracking with Verifier-Guided Pseudo-Labeling
用元模型逐帧评估多个预训练跟踪器的预测可靠性来筛选伪标签，这一思路可直接迁移到其他缺乏真值标注的视频任务（如光流、关键点跟踪）的域自适应微调中。
ProxyFL：一种代理引导的联邦半监督学习框架
ProxyFL: A Proxy-Guided Framework for Federated Semi-Supervised Learning
把分类器可学习权重当作类别代理来同时对齐客户端间与客户端内的分布，这一「代理池」思路可直接迁移到视觉中的半监督伪标签筛选与长尾/域偏移下的分类头校准。
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。
PanDA：面向自动驾驶多模态3D全景分割的无监督域自适应
PanDA: Unsupervised Domain Adaptation for Multimodal 3D Panoptic Segmentation in Autonomous Driving
针对多模态3D全景分割的无监督域自适应框架，其非对称多模态增强和双专家伪标签精炼模块可迁移到其他多模态感知任务（如3D检测、语义分割）的域自适应中，提升传感器退化下的鲁棒性。
测试时自适应中的神经坍缩
Neural Collapse in Test-Time Adaptation
把神经坍缩推广到样本级（NC3+），指出域偏移下性能下降源于样本级特征-分类器错位，并据此设计混合目标（几何邻近+预测置信度）来重对齐特征与分类器权重，可直接嵌入现有 TTA 流程（如 Tent）提升 OOD 鲁棒性。
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。
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。
度量特征宇宙：面向源无关域自适应的基于拓扑的伪标签与重力一致性
Measure The Feature Universe: Topology-based Pseudo Labeling and Gravity Consistency for Source-Free Domain Adaptation
把伪标签的生成从 logits 空间搬到目标嵌入流形上，用虚拟特征构建『特征宇宙』并只在统计可靠区域传播标签，同时用基于嵌入间引力的重力一致性按特征相似度调节 CR 强度——这套思路可直接移植到任何需要无标签目标域自训练的分类/检索/分割流程中。
LLM 引导的概率融合用于标签高效的文档版面分析
LLM-Guided Probabilistic Fusion for Label-Efficient Document Layout Analysis
把 OCR-LLM 推断出的层级版面结构当作结构化先验，与教师检测器的视觉预测做逆方差概率融合来生成伪标签，并用实例自适应门控替代固定权重；做半监督检测或需要引入外部语言模型先验来提升伪标签质量时可直接复用这套融合与门控机制。
Fast-FoundationStereo：实时零样本立体匹配
Fast-FoundationStereo: Real-Time Zero-Shot Stereo Matching
把基础模型（FoundationStereo）的零样本能力通过知识蒸馏+分块 NAS+结构化剪枝压到实时帧率，这套「大模型→单学生骨干+延迟预算下搜索代价滤波+剪枝迭代精化」的加速流水线可直接复用到其他稠密预测基础模型（深度、光流、分割）的实时化。
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。
利用无标注数据与激光雷达数据集扩充用于人体姿态估计的毫米波数据集
Expanding mmWave Datasets for Human Pose Estimation with Unlabeled Data and LiDAR Datasets
对做毫米波人体姿态估计的研究者，这篇论文提供了一条可复用的数据扩充路径：用闭式转换把带标注的激光雷达点云映射成毫米波点云，再用伪标签估计器标注无标注毫米波数据，从而绕开毫米波标注昂贵、数据稀缺的瓶颈，直接提升模型的域内与跨域泛化。
EReCu：面向无监督伪装检测的伪标签进化融合与多线索学习精炼
EReCu: Pseudo-label Evolution Fusion and Refinement with Multi-Cue Learning for Unsupervised Camouflage Detection
针对无监督伪装目标检测中伪标签噪声和边界模糊问题，提出多线索原生感知与伪标签进化融合框架，其教师-学生伪标签精炼和频谱张量注意力融合策略可迁移到其他弱监督/无监督分割任务。
分而治之与聚合：用于类别不平衡半监督医学图像分割的非对称专家
Divide, Conquer, and Aggregate: Asymmetric Experts for Class-Imbalanced Semi-Supervised Medical Image Segmentation
针对类别不平衡的半监督医学图像分割，提出非对称专家解码器与动态特征聚合模块，可复用于多器官分割中的尾类提升与伪标签质量优化。
Depth Any Panoramas：面向全景深度估计的基础模型
Depth Any Panoramas: A Foundation Model for Panoramic Depth Estimation
以 DINOv3-Large 为骨干、配合可插拔 range mask head 与几何一致性优化，构建跨室内外、跨合成/真实的全景度量深度基础模型；其三级伪标签清洗流程与 UE5+文生图合成数据构造方式，可直接迁移到其他缺乏真值的深度/几何任务。
绕过传输计划：基于最优传输动态重加权的分布外检测
Bypassing the Transport Plan: Dynamic Reweighting for Out-of-Distribution Detection with Optimal Transport
把 OOD 检测建模为半不平衡最优传输，并利用源分布权重的动态重加权直接得到伪 OOD 分数，绕开求解传输计划；做开放集半监督训练或需要无标签 OOD 打分时可直接复用这一打分模块。
超越弱监督：多模态大语言模型引导的分级知识蒸馏用于无监督伪装目标检测
Beyond Weak Supervision: MLLMs-Guided Graded Knowledge Distillation for Unsupervised Camouflaged Object Detection
提出利用多模态大语言模型（MLLM）结合思维链生成高质量伪标签，并通过分级知识蒸馏训练学生网络，为无监督密集预测任务提供了一种可复用的弱监督替代方案。
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。
面向扩散换脸的属性保持伪标签方法
Attribute-Preserving Pseudo-Labeling for Diffusion-Based Face Swapping
提出教师-学生扩散框架，用条件去模糊和属性感知反演生成伪标签，替代掩码条件以保留肤色、光照、妆容等属性，可复用于其他需保持属性的图像编辑任务。