Tag · 3 篇

傅里叶变换

分布高效模型与推理加速1视觉语言模型1底层视觉与图像复原1

S2FT: Parameter-Efficient Fine-Tuning in Sparse Spectrum Domain

为视觉大模型（ViT、扩散骨干等）的下游适配提供了一种仅需约0.08%可训练参数的PEFT方案：先用粗估的权重变化作为先验，再通过行列重排把权重变化映射到频谱稀疏的潜空间，然后只微调少量谱系数；做迁移学习或低资源微调时，可以直接替换LoRA/傅里叶PEFT的适配模块。

Rethinking Cross-Modal Anchor Alignment for Mitigating Error Accumulation

针对跨模态匹配中干净锚框对也会累积误差的问题，用傅里叶变换压制非关键细粒度扰动、以角度一致性重估软标签，可直接迁移到图文检索与跨模态对齐训练中抑制噪声累积。

FlowFM: Advancing Dark Optical Flow Estimation with Flow Matching

把流匹配从生成任务迁移到条件回归任务（暗光光流），用真值约束的全局变换路径加单步去噪替代扩散式迭代采样，并用傅里叶幅度/相位解码器恢复暗光下丢失的运动信息，可作为低光照稠密预测任务的通用加速范式。