Tag · 18 篇
域自适应
X-WIN：通过预测性感知构建胸部X射线世界模型
X-WIN: Building Chest Radiograph World Model via Predictive Sensing
X-WIN 通过从 CT 体数据蒸馏三维解剖知识来构建 CXR 世界模型，其潜空间投影预测与亲和力引导对比对齐损失可迁移到其他需要从 2D 投影恢复 3D 结构的视觉任务，如 X 光片的三维重建与跨模态表征学习。
UniSH：单次前馈中统一场景与人体重建
UniSH: Unifying Scene and Human Reconstruction in a Feed-Forward Pass
提出一种利用无标注真实视频的两阶段训练范式：先在合成数据上学习粗定位，再通过优化 SMPL 网格与人体点云的几何对应关系在真实数据上微调，并蒸馏专家深度模型的高频细节来提升人体表面质量。该思路可直接迁移到其他需要弥合 sim-to-real 差距的 3D 重建任务。
重新审视完全精度的必要性：面向错位建筑标签的弱监督目标级偏移校正
Revisiting the Necessity of Full Accuracy: Weakly Supervised Object-Level Offset Correction for Misaligned Building Labels
针对标注与影像存在空间错位时分割性能下降的问题，提供了一套可复用的两阶段流程：先用先验正则化的自对齐生成高置信度的目标级偏移伪标签，再训练实例级偏移回归模型来精修标签；可直接用于遥感建筑分割等存在标注错位的数据集构建与域自适应。
重新审视图像质量评估中的知识迁移：感知偏好结构对齐视角
Rethinking Knowledge Transfer in Image Quality Assessment: A Perceptual Preference Structure Alignment Perspective
对做IQA或任何需要跨数据集迁移的视觉任务，PPR/PPC提供了一种无需训练、可解释的源数据筛选准则：用视觉特征与质量分数的相关性刻画数据集特有的偏好结构，再据此挑选与目标域偏好结构一致的源样本，可直接用于跨域微调前的数据选择。
Realiz3D：通过域感知学习实现照片级真实的3D生成
Realiz3D: 3D Generation Made Photorealistic via Domain-Aware Learning
通过引入协变量与小型残差适配器，将视觉域（真实/合成）从控制信号中解耦，使在合成渲染上微调的扩散生成器在施加几何、材质、视角控制时仍能输出照片级真实图像；其分层与去噪步角色分析可直接迁移到任何需要跨域控制迁移的扩散微调流程。
面向开放词表目标检测增强的参数高效语义增强方法
Parameter-Efficient Semantic Augmentation for Enhancing Open-Vocabulary Object Detection
用图像特征金字塔构建多尺度提示词库，为开放词表检测器注入细粒度局部语义，并用语义感知路由器在推理时动态选择增强策略，避免微调破坏预训练泛化性——这套「冻结主干+提示词增强」思路可直接迁移到任何需要跨域迁移的视觉-语言检测或分割模型。
MemFlow：面向快速域自适应特征映射的轻量前向记忆框架
MemFlow: A Lightweight Forward Memorizing Framework for Quick Domain Adaptive Feature Mapping
用冻结骨干网络加随机连接脉冲神经元的前向记忆机制替代反向传播微调，为视觉模型在边缘设备上做在线域自适应提供了一条无需梯度的快速路径，可直接用于测试时自适应场景。
面向域自适应分割的掩码表征建模
Masked Representation Modeling for Domain-Adaptive Segmentation
MRM 在潜空间对高层语义特征做掩码重建，可作为通用辅助任务嵌入 DeepLab、DAFormer 等分割网络，训练时联合优化、推理时零开销，为域自适应分割提供了一种简单有效的自监督信号构造方式。
面向恶劣条件下域自适应语义分割的启发式自步学习
Heuristic Self-Paced Learning for Domain Adaptive Semantic Segmentation under Adverse Conditions
把课程学习建模为序贯决策问题，用高维状态编码器+策略梯度自动调度类别学习顺序，可直接迁移到任何需要按难度/信息量安排训练样本的视觉任务（如域自适应检测、分割）。
面向域自适应目标检测的专家—教师—学生协同学习
Expert-Teacher-Student Collaborative Learning for Domain Adaptive Object Detection
把大规模视觉基础模型当作免训练的「专家」，与教师模型协同生成伪标签并做类级原型对齐，为跨域检测提供了一条无需额外训练成本就能引入 VFM 泛化知识的路径，可直接迁移到其他需要伪标签监督的域自适应视觉任务。
EW-DETR：通过增量低秩检测Transformer实现演化世界目标检测
EW-DETR: Evolving World Object Detection via Incremental Low-Rank DEtection TRansformer
EW-DETR 将增量低秩适配器、查询范数对象性适配器和熵感知未知混合集成到 DETR 类检测器中，为视觉研究者在无样本增量学习、域偏移和未知目标检测耦合场景下提供了可复用的模块化方案，并提出了 FOGS 综合评价指标。
ELVIS：增强低光照以用于暗光视频实例分割
ELVIS: Enhance Low-Light for Video Instance Segmentation in the Dark
把低光照视频的时空退化建模成可无监督合成的数据管线，再用免标定的退化估计网络加增强解码器检测头把退化从内容特征中解耦，可直接迁移到任何在暗光视频上失效的时序感知模型（VIS、跟踪、光流）做域自适应。
解耦视觉与语言：码本锚定的视觉自适应
Decoupling Vision and Language: Codebook Anchored Visual Adaptation
用离散码本把视觉编码器输出锚定到稳定词元空间，使编码器可独立微调而不改动投影器或 LLM，为视觉侧域自适应提供了一种与语言架构解耦的可复用方案。
DA-Mamba：学习域感知状态空间模型用于域自适应目标检测中的全局-局部对齐
DA-Mamba: Learning Domain-Aware State Space Model for Global-Local Alignment in Domain Adaptive Object Detection
用线性复杂度的状态空间模型（Mamba）替代 Transformer 的二次注意力，在骨干网络和检测头中分别插入图像级与实例级的全局建模模块，为跨域目标检测提供了一种可复用的全局-局部对齐范式，也可迁移到其他需要长程依赖的密集预测任务。
CrossEarth-Gate：面向跨域遥感语义分割高效适配的 Fisher 引导自适应调优引擎
CrossEarth-Gate: Fisher-Guided Adaptive Tuning Engine for Efficient Adaptation of Cross-Domain Remote Sensing Semantic Segmentation
把 Fisher 信息当作模块重要性的度量，在空间/语义/频率三类适配模块组成的工具箱上做动态稀疏激活，为视觉基础模型跨域适配提供了一种可复用的「按梯度流贡献选模块」的 PEFT 思路，可直接迁移到其他密集预测任务的域偏移场景。
CoFiDA-M：面向跨域自适应且仅需图像推理的概念感知特征调制
CoFiDA-M: Concept-Aware Feature Modulation for Cross-Domain Adaptation with Image-Only Inference
把只在训练期可得的稠密概率元数据（MONET 概念分数）经 FiLM 调制教师特征，再让学生回归被『编辑』后的特征空间而非仅拟合 logits，这一特权信息蒸馏范式可迁移到任何测试时缺失辅助模态的视觉任务。
BiPA：面向水下实例分割的双层提示词适配
BiPA: Bilevel Prompt Adaptation for Underwater Instance Segmentation
把 SAM 的稠密提示词学习建模成双层优化，并用贝叶斯优化在冻结主干的前提下先搜提示词、再微调模型，这套「先优化提示词、后调参数」的两阶段流程可直接迁移到其他严重域偏移场景（如医学、遥感）的 SAM 适配。
适配上下文生成以增强组合图像检索
Adapting In-context Generation for Enhanced Composed Image Retrieval
利用预训练文本到图像模型的上下文生成能力，在少样本下合成无偏的组合图像检索三元组，并通过分布鲁棒合成预训练和细粒度真实世界适配两阶段框架提升检索性能，为视觉-语言检索任务提供可复用的数据增强与微调策略。