Tag · 3 篇
信息增益
分布 3D 视觉与重建1可解释性与可视化1强化学习与具身智能1
01 02 03
FaithFusion：通过像素级信息增益协调重建与生成
FaithFusion: Harmonizing Reconstruction and Generation via Pixel-wise Information Gain
将像素级期望信息增益（EIG）作为统一策略，同时引导扩散模型精修高不确定性区域并将编辑结果蒸馏回3DGS，为3DGS与扩散模型的融合提供了一种无需额外先验条件的即插即用方案，可复用于其他需要几何保真与外观生成平衡的新视角合成任务。
CIGMA：视觉 Transformer 中注意力头的因果信息增益机制归因
CIGMA: Causal Information-Gain Mechanistic Attribution of Attention Heads in Vision Transformers
CIGMA 提供了一种基于信息增益的注意力头级因果归因方法，可用于诊断和修正 ViT 模型对背景虚假相关性的依赖，其双编辑（移除物体/移除上下文）的干预思路可直接迁移到其他视觉模型的可解释性分析与去偏任务中。
ActiveGrasp：基于校准能量模型的分布信息引导主动抓取
ActiveGrasp: Information-Guided Active Grasping with Calibrated Energy-based Model
把抓取位姿分布建模为 SE(3) 流形上的校准能量模型，并用其条件分布的信息增益来驱动下一最佳视角选择，为主动感知/主动重建中的视角规划提供了一个可复用的「分布级」信息度量思路。