Tag · 13 篇
噪声标签学习
TANGO：面向标签噪声下视觉语言模型鲁棒微调的文本锚定引导优化
TANGO: Text-Anchored Guided Optimization for Robust Fine-tuning Vision-Language Models under Label Noise
用文本模态构造与训练标签无关的语义锚点，替代线性分类器并指导样本筛选与标签纠错，为视觉研究者提供一种在脏标注数据上微调 VLM 的即插即用范式。
重新审视噪声标签学习：主动遗忘与噪声抑制
Revisiting Learning with Noisy Labels: Active Forgetting and Noise Suppression
提出一种即插即用的正则化框架，通过机器遗忘主动擦除模型已内化的噪声知识，并用负学习抑制后期噪声过拟合，可直接集成到现有噪声标签学习基线中提升鲁棒性。
RetFormer：用于增强图像识别的多模态检索
RetFormer: Multimodal Retrieval for Enhancing Image Recognition
将外部多模态知识库与检索交叉融合模块引入视觉识别，为长尾分布和噪声标签下的图像分类提供了一种不依赖增大模型参数的增强思路。
通过双向多视图提示词对齐实现噪声感知少样本学习
Noise-Aware Few-Shot Learning through Bi-directional Multi-View Prompt Alignment
把提示词微调从全局图文匹配推进到区域级 patch-to-prompt 对齐，并用非平衡最优传输抑制不可靠区域，为视觉语言模型在噪声监督下的少样本适配提供了可复用的对齐与样本筛选机制。
从噪声监督中学习：面向弱监督视频异常检测的去噪-纠偏框架
Learning from Noisy Supervision: A Denoising-Debiasing Framework for Weakly Supervised Video Anomaly Detection
把「高训练损失的样本即噪声」这一观察做成动态丢弃率，再用视觉语言模型对被丢弃片段做二次判别，可作为一种即插即用的去噪-纠偏模块迁移到任何基于 MIL 的视频时序定位任务（如弱监督动作定位、视频级标签的时序 grounding）。
FedRG：释放表征几何以应对含噪声客户端的联邦学习
FedRG: Unleashing the Representation Geometry for Federated Learning with Noisy Clients
用自监督得到的标签无关球面表征几何（vMF 混合聚类）来判别噪声样本，替代仅依赖标量损失的思路；做噪声标签、长尾或数据异构下的鲁棒训练时，可把这套「表征几何优先」的样本筛选与软标签映射机制迁移到视觉分类流水线中。
基于最优教师池的动态标签噪声抑制用于面部表情识别
Dynamic Label Noise Suppression with Optimal Teacher Pool for Facial Expression Recognition
针对表情识别中标签歧义导致的噪声标签问题，提出动态维护多个最优教师模型并融合其预测的教师池机制，配合基于预测-标签相似度的自适应标签平滑与基于质心置信度的 logits 加权，可直接迁移到其他人脸/人体属性识别任务的噪声标签训练中。
Drainage：一个应对类别不确定性的统一框架
Drainage: A Unifying Framework for Addressing Class Uncertainty
在分类网络输出端加一个可微的 drainage 节点，把概率质量重新分配给不确定性，为噪声标签、实例相关/非对称噪声和 OOD 样本提供统一的拒识出口；做噪声标签或开集识别时可直接替换 softmax 头，并顺带获得数据集清洗能力。
解构理想噪声校正的失败：三重诊断
Deconstructing the Failure of Ideal Noise Correction: A Three-Pillar Diagnosis
对做噪声标签/弱监督训练的视觉研究者：即使给定 oracle 噪声转移矩阵，基于 T 的校正方法仍会训练崩溃，说明不应再把精力放在提升 T 估计精度上，而应关注校正过程中的优化动力学与信息论上限，可据此重新设计损失或训练调度。
面向噪声标签学习的去偏样本选择
Debiased Sample Selection for Learning with Noisy Labels
针对小损失假设下的类别级与实例级确认偏差，MDA 通过调整预测类别分布使其趋于均匀来公平选样，CCS 利用训练动力学剔除疑似真实标签以抑制错误记忆；两者均为即插即用模块，可直接嵌入现有样本选择器或 LNL 流程，用于提升含噪数据训练的图像分类模型。
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。
CLEX：面向噪声面部表情识别的互补标签交换学习
CLEX: Complementary Label Exchange Learning for Noisy Facial Expression Recognition
针对野外表情识别中的标签噪声问题，提出通过交换增强视图间的非目标logit来构造一致性约束，并配合尺度不变归一化和互补抑制损失，为视觉分类任务中利用非目标预测抑制虚假激活提供了可复用的正则化手段。
Air-Know：仲裁器校准的知识内化鲁棒网络用于组合图像检索
Air-Know: Arbiter-Calibrated Knowledge-Internalizing Robust Network for Composed Image Retrieval
用 MLLM 作为离线专家构造高精度锚框数据集，再把判别逻辑内化到轻量代理仲裁器中，为视觉-语言检索中处理噪声对应关系提供了可复用的「专家-代理-分流」解耦范式。