Tag · 31 篇
域泛化
你的差异性定义了你：利用类别多样性进行互补学习
Your Dissimilarities Define You: Complementary Learning Exploiting Class Diversities
把「非目标类」整体建模为一个 opposite-class 并对其激活分布做显式约束，可作为分类头/损失层的即插即用正则项，配合神经坍缩分析改善特征几何，适用于开放集、少样本与域泛化的视觉分类骨干训练。
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。
透过频率之镜：基于自适应调制的跨域泛化视线估计
Through the Frequency Lens: Cross-Domain Generalisable Gaze Estimation with Adaptive Modulation
把图像分解到频域、用可学习调制图抑制样本级干扰频段并做频谱分布多样化，这套频域自适应调制思路可直接迁移到其他对域偏移敏感的人脸/人体回归任务（如头部姿态、面部关键点）的域泛化训练中。
TerraSeg：面向任意激光雷达的自监督地面分割
TerraSeg: Self-Supervised Ground Segmentation for Any LiDAR
提出一种无需人工标注、跨传感器配置的激光雷达地面分割自监督框架，其 PseudoLabeler 通过逐扫描运行时优化生成高质量伪标签，可复用于其他点云分割任务的标签生成与域泛化。
鞋风格不变与地面感知学习用于密集足部接触估计
Shoe Style-Invariant and Ground-Aware Learning for Dense Foot Contact Estimation
针对鞋外观多样性，引入鞋风格对抗训练以学习风格不变特征；针对地面外观单调，设计基于空间上下文的地面特征提取器。这两点可迁移到其他需要跨外观泛化的密集预测任务（如人体解析、交互区域分割）。
看穿噪声：提升视线估计中的域泛化能力
See Through the Noise: Improving Domain Generalization in Gaze Estimation
针对视线估计中标签噪声损害域泛化的问题，提出基于原型变换构建语义嵌入空间、利用特征-标签亲和一致性区分噪声样本，并在语义流形上施加亲和正则化，为视觉任务中处理噪声标签提供可复用思路。
SAGE：面向隐私约束下跨域语义分割的风格自适应泛化框架
SAGE: Style-Adaptive Generalization for Privacy-Constrained Semantic Segmentation Across Domains
在模型权重冻结、无法微调的黑盒设定下，用输入级视觉提示词做域泛化：先以风格迁移构造覆盖广的风格表征库，再按每张输入的视觉上下文动态融合成提示词，为视觉研究者提供了一条不碰骨干网络即可对齐跨域特征分布的思路，可直接迁移到分割、检测等密集预测任务的隐私受限部署场景。
城市场景分割中的开放词表域泛化
Open-Vocabulary Domain Generalization in Urban-Scene Segmentation
把状态空间模型（SSM）用于修正 VLM 在域偏移下的文本-图像相关性，这一思路可迁移到任何依赖 CLIP 类图文对齐的开放词表分割、检测任务中，用于缓解分布变化导致的图文错配。
面向可泛化医学图像分割的多模态因果驱动表征学习
Multimodal Causality-Driven Representation Learning for Generalizable Medical Image Segmentation
把因果干预引入 CLIP 式视觉语言模型：用文本提示构建「混淆因子字典」来显式建模设备/成像模式等域偏移，再做因果去混淆，这套「字典+干预」思路可迁移到任何需要跨域泛化的分割或检测任务。
MambaLiteUNet：面向鲁棒皮肤病变分割的跨门控自适应特征融合
MambaLiteUNet: Cross-Gated Adaptive Feature Fusion for Robust Skin Lesion Segmentation
把 Mamba 状态空间建模嵌入 U-Net 的跳跃连接，用跨门控注意力与局部-全局特征混合模块在极低参数量下保留细粒度边界，可作为轻量分割网络在皮肤镜等专业成像域的可复用骨干设计。
Mamba 的上下文学习：面向多任务点云理解的结构感知域泛化
Mamba Learns in Context: Structure-Aware Domain Generalization for Multi-Task Point Cloud Understanding
用基于质心拓扑与测地曲率连续性构造的变换不变序列化替代坐标驱动的序列化，可缓解 Mamba 类点云模型对视角变化与缺失区域的敏感性；其谱域图对齐在测试时无需更新参数即可把目标特征拉向源原型，是一种可直接复用的测试时特征迁移手段。
局部精确精修：一种用于增强基础模型对抗光谱漂移泛化能力的双门控混合专家框架
Local Precise Refinement: A Dual-Gated Mixture-of-Experts for Enhancing Foundation Model Generalization against Spectral Shifts
把 MoE 的双门控路由用在基础模型特征的空间自适应精修上，并引入由 RGB 波段估计的深度特征作为结构先验，通过交叉注意力融合——这套「模态独立路由 + 结构引导融合」的微调范式可迁移到其他存在域偏移的密集预测任务。
LiDAS：面向夜间感知的光照驱动动态主动传感
LiDAS: Lighting-driven Dynamic Active Sensing for Nighttime Perception
把车灯当作可主动控制的视觉执行器，用下游感知损失驱动光照场的预测，使白天训练的模型零样本迁移到夜间；这一「感知-照明闭环」思路可复用到其他主动传感（如可控曝光、主动红外补光）与感知-控制联合优化问题中。
通过局部一致性扩散学习学习权重生成
Learning to Learn Weight Generation via Local Consistency Diffusion
把扩散模型用于直接生成网络权重，并用局部一致性约束把局部目标权重的监督信号纳入训练，为视觉模型在迁移、少样本、域泛化场景下的快速权重更新提供了一条可复用的元学习式生成思路。
Hg-I2P：基于异构图打通模态以实现可泛化的图像到点云配准
Hg-I2P: Bridging Modalities for Generalizable Image-to-Point-Cloud Registration via Heterogeneous Graphs
用异构图把分割后的 2D/3D 区域作为节点、跨模态关系作为边，统一完成特征交互与对应关系剪枝，可直接迁移到图像-点云配准、跨模态定位等需要鲁棒 2D-3D 对应的任务。
HamiPose：面向无监督域自适应姿态估计的哈密顿优化
HamiPose: Hamiltonian Optimization for Unsupervised Domain Adaptive Pose Estimation
把源域监督与目标域一致性之间的梯度冲突显式解耦：按关键点做几何分解、正交投影保留非冲突分量，再用通道门控按置信度校准平行分量，最后用辛普森积分器驱动的哈密顿优化器提供受控动量。做跨域关键点/姿态迁移时可直接复用这套梯度解耦+动量稳定更新的训练流程。
基于延时偏振影像的全球水下地理定位
Global Underwater Geolocation from Time-Lapse Polarization Imagery
利用偏振图像中天空偏振模式反演太阳高度角曲线，再用两阶段 Transformer 做全球地理定位；其物理引导合成管线（从少量站点扩增到 280 万条太阳高度角匹配序列）为视觉定位中的跨站点泛化提供了一条可复用的数据增广思路。
面向语义分割的视觉基础模型可泛化知识蒸馏
Generalizable Knowledge Distillation from Vision Foundation Models for Semantic Segmentation
把表征学习与任务学习解耦：先做选择性特征蒸馏得到域无关表征并冻结，再做任务适配，可作为一种通用的「先蒸馏表征、后微调任务」范式，用于任何需要从 VFM 迁移到小模型且要求分布偏移下泛化的视觉任务。
通过混合内容-风格调制实现可泛化的共显著目标检测
Generalizable Co-Salient Object Detection via Mixed Content-Style Modulation
该文将CLIP语义嵌入与交叉注意力结合提取域不变场景结构先验，并通过合成特征统计量（均值/方差）做源域风格增强，为视觉分割任务在未见域上的泛化提供了一套可复用的内容-风格调制思路。
GeCo：面向域泛化语义分割的几何一致性正则化
GeCo: Geometry-Consistent Regularization for Domain Generalized Semantic Segmentation
针对在 DGSS 中用 PEFT 微调 VFM 时适配器过拟合源域、破坏预训练几何结构的问题，GeCo 用曲率引导扰动和测地线正则化在保持流形结构的前提下扩展表征，可直接迁移到其他基于 VFM 微调的密集预测任务（如深度估计、开放词表分割）的正则化设计。
FedDAP：域偏移下联邦学习的域感知原型学习
FedDAP: Domain-Aware Prototype Learning for Federated Learning under Domain Shift
在联邦场景下按域聚合类原型、并做同域拉近/异域推远的双对齐，可作为视觉模型跨域泛化时构造域感知类中心、替代单一全局原型的可复用手段。
FedBPrompt：基于身体分布感知视觉提示词的联邦域泛化行人重识别
FedBPrompt: Federated Domain Generalization Person Re-Identification via Body Distribution Aware Visual Prompts
提出可学习的视觉提示词分组机制（整体身体提示词+身体部位对齐提示词）来引导ViT注意力聚焦行人区域，并冻结骨干网络仅微调提示词以降低联邦通信开销，可直接用于ViT-based行人重识别及其他细粒度视觉任务的参数高效域泛化。
基于双层级置信度的医学视觉问答隐式自精炼
Dual-Level Confidence based Implicit Self-Refinement for Medical Visual Question Answering
提出双层级置信度（损失级与特征级）自适应融合为样本级权重，用于伪监督自训练，可迁移到其他视觉语言模型在分布偏移下的测试时自适应或半监督微调。
域偏斜联邦学习中的特征解耦与校准
Domain-Skewed Federated Learning with Feature Decoupling and Calibration
把特征单元按域鲁棒性拆成域鲁棒/域相关两部分再校准，这套「解耦+校准」思路可直接迁移到视觉里的跨域表征学习与测试时域适应，用来防止表征坍缩到低维子空间。
Depth Any Endoscopy：面向单目内窥镜自监督可泛化深度估计
Depth Any Endoscopy: Towards Self-Supervised Generalizable Depth Estimation in Monocular Endoscopy
把视觉基础模型通过双层 MoE（内部 LoRA/Adapter、外部域专家）适配到内窥镜深度估计，并用可学习梯度协调平衡深度与位姿网络优化，可直接迁移到其他跨域自监督单目深度任务。
测试时的可控联邦提示词学习
Controllable Federated Prompt Learning at Test Time
对做 CLIP 类视觉语言模型落地的人来说，这篇给出了一个测试时无需标签、仅靠置信度与模型-数据对齐指标动态加权全局/个性化/冻结三种提示词的方案，可直接迁移到跨域部署时的提示词自适应。
CLP：面向鲁棒语义分割的真实世界受污染镜头保护罩数据集
CLP: A Real-World Dataset of Contaminated Lens Protectors for Robust Semantic Segmentation
为镜头保护罩污染这一真实退化提供带密集语义分割掩码与对齐复原目标的基准，可直接用于评测域泛化、基础模型微调以及复原-分割联合流水线在有限数据下的表现。
CGU-Bayes：因果图不确定性引导的贝叶斯推断用于域泛化
CGU-Bayes: Causal Graph Uncertainty-Guided Bayesian Inference for Domain Generalization
将因果图的后验不确定性作为贝叶斯推断的权重因子，为视觉域泛化提供了一种可量化因果结构可靠性的通用手段，可迁移到任何依赖因果图进行特征选择的视觉任务中。
CCF：面向域泛化多模态3D目标检测的互补协同融合
CCF: Complementary Collaborative Fusion for Domain Generalized Multi-Modal 3D Object Detection
针对双分支 proposal-level 多模态 3D 检测器，提出查询解耦损失、LiDAR 引导深度先验和互补跨模态掩码，可复用于提升视觉-激光雷达融合模型在恶劣域下的鲁棒性。
Bridge：基驱动因果推理结合视觉基础模型实现域泛化
Bridge: Basis-Driven Causal Inference Marries VFMs for Domain Generalization
把因果前门调整实现为可学习的低秩基，用来阻断光照、风格、共现等混杂因子对检测器的虚假关联，并可作为即插即用模块挂到 DINOv2/3、SAM、Stable Diffusion 等视觉基础模型上，为单源域泛化检测提供了一条不依赖目标域数据的通用思路。
真实世界中多域内人脸伪造检测的合理性检验
A Sanity Check for Multi-In-Domain Face Forgery Detection in the Real World
针对多域人脸伪造检测中域差异主导特征空间的问题，提出模型无关的两阶段框架 DevDet，通过 Face Forgery Developer 放大真伪差异并结合 Dose-Adaptive 微调策略，使检测器在域未指定条件下仍能做出单帧独立判断，为真实场景下的深度伪造检测提供了可复用的训练范式。