Tag · 5 篇

信息瓶颈

分布鲁棒性与安全3视觉语言模型2

Towards an Incremental Unified Multimodal Anomaly Detection: Augmenting Multimodal Denoising From an Information Bottleneck Perspective

对做工业/3D 异常检测的人，这篇给出了一个可复用的思路：用信息瓶颈融合模块在融合后特征上显式过滤冗余维度，并用 Mamba 解码器解耦物体间特征耦合，从而在增量统一框架下抑制伪特征导致的灾难性遗忘。

SeD-UD: An Influence-Driven and Hierarchically-Decoupled Information Bottleneck for Multimodal Intent Recognition

论文提出的影响驱动自适应瓶颈（IDAB）模块可根据样本级冗余/噪声因子动态调整瓶颈维度，这一思路可直接迁移到视觉-语言模型的多模态特征融合环节，用于按样本抑制视觉与文本模态中的冗余信息。

Robust Spiking Neural Networks by Temporal Mutual Information

把信息瓶颈推广到时序维度，用输入与脉冲潜变量之间的互信息作为正则项来收紧鲁棒误差界；做脉冲网络或时序动态模型对抗鲁棒性的人可以直接复用这一正则化思路与理论分析框架。

GPFlow: Gaussian Prototype Probability Flow for Unsupervised Multi-Modal Anomaly Detection

用可学习高斯原型构造协方差感知的信息瓶颈（后验均值路径路由），替代离散原型记忆库，可直接迁移到少样本工业质检、多模态（RGB+点云/深度）异常检测的特征重建环节。

3D-IDE: 3D Implicit Depth Emergent

通过信息瓶颈和几何自监督让MLLM在统一视觉表征中隐式涌现3D感知，推理时无需深度和位姿输入且零延迟开销，为视觉语言模型融合3D信息提供了免外部嫁接的新范式。