Tag · 6 篇
多模态特征融合
ParaUni：以强化学习驱动的层级并行信息交互增强统一多模态模型的生成能力
ParaUni: Enhance Generation in Unified Multimodal Model with Reinforcement-driven Hierarchical Parallel Information Interaction
把 VLM 各层特征并行抽取后经 Layer Integration Module 融合，作为扩散生成的条件信号，并用 RL 的层级动态调整机制对不同层施加不同奖励；做 VLM-conditioned 生成或想把多层语义注入扩散骨干的工作可直接复用这套并行条件注入与分层奖励设计。
基于深度完整性先验与细粒度图像块策略的高精度二值图像分割
High-Precision Dichotomous Image Segmentation via Depth Integrity-Prior and Fine-Grained Patch Strategy
把单目深度估计模型输出的伪深度当作「完整性先验」注入分割网络，用深度一致性损失约束分割结果，并用自适应图像块选择精修边界——这套思路可直接迁移到高分辨率抠图、显著目标检测等需要锐利边界的密集预测任务，且无需扩散模型即可逼近其精度。
GS-CLIP：通过几何感知提示词与协同视图表征学习实现零样本 3D 异常检测
GS-CLIP: Zero-shot 3D Anomaly Detection by Geometry-Aware Prompt and Synergistic View Representation Learning
把 3D 几何先验蒸馏进 CLIP 文本提示词，并用渲染图与深度图双流互补融合，为点云零样本异常检测提供了可复用的「几何感知提示词 + 多视图协同」范式，可直接迁移到其他 3D 开放词表任务。
GPFlow：面向无监督多模态异常检测的高斯原型概率流
GPFlow: Gaussian Prototype Probability Flow for Unsupervised Multi-Modal Anomaly Detection
用可学习高斯原型构造协方差感知的信息瓶颈（后验均值路径路由），替代离散原型记忆库，可直接迁移到少样本工业质检、多模态（RGB+点云/深度）异常检测的特征重建环节。
DetAny4D：在流式 RGB 视频中时序检测任意 4D 目标
DetAny4D: Detect Anything 4D Temporally in a Streaming RGB Video
把预训练基础模型的多模态特征与几何感知的时空解码器结合，在流式 RGB 视频上端到端直接回归 3D 边界框，为视频 3D 检测提供了可复用的时序一致性建模方案，可缓解逐帧预测带来的抖动问题。
超越外观：基于几何结构的伪装目标检测
Beyond Appearance: Camouflaged Object Detection via Geometric Structure
把单目深度估计模型通过稀疏混合专家适配器迁移到伪装目标检测，并用几何-语义融合模块把深度几何线索注入分割特征，为「深度先验跨任务迁移」提供了一个可复用的适配与融合范式。