Tag · 8 篇

分布对齐

分布鲁棒性与安全4医学影像与生物视觉3底层视觉与图像复原1

TANGO: Learning Distribution-wise Foundation Prior Consistency and Instance-wise Style Calibration for Medical Image Generalization

把冻结的视觉基础模型编码器中的低频稳定表征作为分布级先验来约束源模型的特征分布，并用可学习的数据装饰器把测试图像拉回增强后的源域分布——这套「基础模型先验 + 实例级风格校准」的组合可直接迁移到其他面临域偏移的密集预测任务（如跨中心分割、跨域检测）。

SemiGDA: Generative Dual-distribution Alignment for Semi-Supervised Medical Image Segmentation

用双编码器分别建模图像与掩码的特征分布，并在潜空间施加分布约束做对齐，这个思路可迁移到任何只有少量标注、需要特征级一致性正则的半监督密集预测任务；CDSA 的双跳跃适配器加一致性损失也是可直接复用的多尺度特征融合模块。

RemedyGS: Defend 3D Gaussian Splatting Against Computation Cost Attacks

针对3DGS重建流程的计算成本攻击，提出「检测器+净化器」的黑盒防御范式，并用对抗训练把净化结果拉回自然图像分布；做3DGS安全部署或需要清洗被投毒输入图像的研究者可直接复用该检测-净化两阶段结构。

Multimodal Protein Language Models for Enzyme Kinetic Parameters: From Substrate Recognition to Conformational Adaptation

把「先识别底物、再适配构象」的两阶段条件注入做成可插拔适配器（MRCA + 几何感知 MoE），并用 RKHS 上的分布对齐约束微调不破坏预训练先验——这套「冻结主干 + 分阶段跨模态注入 + 分布正则」的范式可直接迁移到视觉-语言或图像-结构条件生成任务中。

FedAlign: Differentially Private Distribution Alignment for Non-IID Federated Learning

为视觉模型在跨设备联邦训练中提供一种可复用的隐私保护分布对齐手段：客户端上传加噪的统计矩、服务器聚合推断全局分布并回传指导本地对齐，可直接嵌入现有的联邦视觉训练流程以缓解 Non-IID 导致的收敛慢与精度下降。

Distribution-Aligned Multimodal Fusion for Robust Object Detection

冻结预训练检测器、只训练轻量融合模块，并把融合特征对齐到检测器最优工作的预训练分布，这一思路可直接迁移到任何多模态或跨域检测的适配场景，避免针对训练退化过拟合。

Decoupling Bias, Aligning Distributions: Synergistic Fairness Optimization for Deepfake Detection

在模型架构层面解耦对人口统计属性敏感的通道、在特征层面对齐整体分布与各群体分布，这套「结构解耦+分布对齐」的双机制可直接迁移到人脸属性识别、人脸验证等易受群体偏置影响的视觉任务中，在不牺牲精度的情况下提升群体公平性。

CASR: A Robust Cyclic Framework for Arbitrary Large-Scale Super-Resolution with Distribution Alignment and Self-Similarity Awareness

把超大倍率超分拆解为多次「分布内」尺度跃迁的循环框架，配合超像素聚合对齐结构分布、相关性引导保持自相似纹理，为任意尺度超分在训练尺度之外稳定推理提供了可复用的单模型方案。