Tag · 11 篇
半监督学习
面向少标签的多模态域泛化
Towards Multimodal Domain Generalization with Few Labels
把半监督伪标签与域泛化结合到多模态设定：用融合后各单模态一致的高置信预测生成伪标签，并对不一致样本单独建模，再用跨模态原型对齐约束域不变与模态不变表征——这套「一致性伪标签 + 分歧感知 + 原型对齐」可直接迁移到多模态分类或检索在少标注、跨域、模态缺失时的训练流程。
StableMaterials：通过半监督学习增强材质生成的多样性
StableMaterials: Enhancing Diversity in Material Generation via Semi-Supervised Learning
把 SDXL 的对抗式蒸馏用于潜扩散模型，可在无标注条件下扩展生成分布，这一思路可迁移到其他数据稀缺的生成任务（如特定风格纹理、领域受限图像）；其四步潜一致性蒸馏加去伪影的 tileable 采样技巧，对需要快速、无缝生成的视觉应用有直接参考价值。
Spatial-SAM：基于 SDF 记忆与半监督学习的空间一致三维电子显微镜分割
Spatial-SAM: Spatially Consistent 3D Electron Microscopy Segmentation with SDF Memory and Semi-Supervised Learning
用 3D U-Net 预计算的有符号距离场（SDF）替代 SAM2 的记忆库，为视频/体数据分割提供几何先验以维持跨切片空间一致性；配合双轨伪标签迭代，可在极少标注下把 SAM2 的少样本能力迁移到 3D 体数据，这套「SDF 记忆 + 伪标签自训练」思路可复用到其他层序切片数据（CT、MRI、显微）的 3D 分割。
基于无标签非一致性得分的半监督保形预测
Semi-Supervised Conformal Prediction With Unlabeled Nonconformity Score
为视觉模型提供一种在标注数据稀缺时仍能保证覆盖率的校准方法，可直接用于分类、分割等任务的不确定性量化，提升预测集在不同运行间的稳定性。
SDUIE：基于定量-文本双重控制的半监督扩散水下图像增强
SDUIE: Semi-Supervised Diffusion for Underwater Image Enhancement with Quant-Text Dual Control
提出一种基于低秩适配权重合并的连续数值控制扩散模型，以及通过语义提示对齐实现文本引导增强的方法，可复用于其他需要细粒度可控的图像复原任务。
ProxyFL：一种代理引导的联邦半监督学习框架
ProxyFL: A Proxy-Guided Framework for Federated Semi-Supervised Learning
把分类器可学习权重当作类别代理来同时对齐客户端间与客户端内的分布，这一「代理池」思路可直接迁移到视觉中的半监督伪标签筛选与长尾/域偏移下的分类头校准。
部分弱监督旋转目标检测
Partial Weakly-Supervised Oriented Object Detection
提出部分弱标注（水平框或单点）驱动的旋转目标检测框架，其方向与尺度感知学生模型（OS-Student）和类别无关伪标签过滤（CPF）可直接迁移到遥感、场景文字等需要 OBB 但标注昂贵的检测任务中，降低标注成本。
从 Softmax 到 Dirichlet：面向半监督语义分割的证据学习
From Softmax to Dirichlet: Evidential Learning for Semi-supervised Semantic Segmentation
用狄利克雷分布对类别概率建模，从分布视角给出原则性的不确定性估计，替代 softmax 置信度做伪标签筛选；HESS 将排他证据与集体证据解耦，可直接嵌入现有半监督分割框架提升伪标签可靠性。
自由粒度层级视觉识别
Free-Grained Hierarchical Visual Recognition
把视觉语言模型的语义先验和半监督学习引入层级分类，用于处理训练标签粒度不统一的现实场景；其「自由粒度推理」让模型按置信度自适应选择预测深度，这一思路可迁移到任何需要输出粗细可变预测的视觉任务。
D^3FER：双通道双分支网络用于双重挑战下的鲁棒面部表情识别
D^3FER: Dual Channel and Dual Branch Network for Robust Facial Expression Recognition under Dual Challenges
动态队列机制从预测置信度自适应估计噪声阈值，可用于任何存在标签噪声的视觉分类任务；双通道弱/强视图增强与动量更新的Query-Key双分支结构，为半监督学习提供可靠伪标签和稳定推理。
绕过传输计划：基于最优传输动态重加权的分布外检测
Bypassing the Transport Plan: Dynamic Reweighting for Out-of-Distribution Detection with Optimal Transport
把 OOD 检测建模为半不平衡最优传输，并利用源分布权重的动态重加权直接得到伪 OOD 分数，绕开求解传输计划；做开放集半监督训练或需要无标签 OOD 打分时可直接复用这一打分模块。