Tag · 3 篇

区域提议

分布目标检测与定位2视觉语言模型1

Prompt-Free Universal Region Proposal Network

提出一种无需图像/文本提示的通用区域提议网络，用可学习查询嵌入配合稀疏图像感知适配器与级联自提示完成潜在目标定位，可直接迁移到水下、工业缺陷、遥感等域外检测场景而无需微调，为开放场景下的类无关提议生成提供了可复用范式。

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。

DRS-GUI: Dynamic Region Search for Training-Free GUI Grounding

把 MCTS 驱动的 Focus/Shift/Scatter 区域搜索作为免训练插件接到现成 MLLM 上，用于高分辨率截图中的小目标定位，可直接迁移到任意需要从大图中裁剪出相关区域再交给 VLM 的视觉定位任务。