Tag · 2 篇
后处理校准
分布 鲁棒性与安全1自监督与表征学习1
01 02
Query2Uncertainty：分布偏移下3D目标检测的鲁棒不确定性量化与校准
Query2Uncertainty: Robust Uncertainty Quantification and Calibration for 3D Object Detection under Distribution Shift
对做3D检测部署的人，这篇给出一个可复用的后处理校准思路：直接拿DETR式检测器的潜变量object query特征拟合密度估计器，用密度值在分布偏移下同时重校准分类置信度与边界框回归不确定性，无需重训练检测器。
AdaPrior：面向长尾持续学习的贝叶斯启发式自适应先验校正
AdaPrior: Bayesian-Inspired Adaptive Prior Correction for Long-Tailed Continual Learning
把长尾类增量学习重新表述为动态先验失配问题，用指数滑动平均在线估计模型诱导先验，并同时用于训练期去偏（AdaPrior Loss）与推理期轻量 logit 调整；做增量学习或长尾分类的视觉工作可直接复用这套无需额外阶段、无需样本回放的先验校正机制。