Tag · 3 篇

子空间学习

分布目标检测与定位2视觉语言模型1

SubspaceAD: Training-Free Few-Shot Anomaly Detection via Subspace Modeling

用冻结的 DINOv2 patch 特征拟合 PCA 子空间、以重建残差作为异常分数，为少样本/单样本工业异常检测提供了一个无需训练、无需 memory bank 的强基线，可直接迁移到其他需要无监督打分的一类分类场景。

DSCA: Dynamic Subspace Concept Alignment for Lifelong VLM Editing

为视觉语言模型提供了一种基于正交语义子空间分解的持续知识编辑方法，可复用于需要顺序更新多模态知识的场景，避免编辑间的相互干扰。

Boosting Vision-Language Models Towards Cross-Domain Incremental Object Detection

把「跨域 + 新类别」同时纳入增量目标检测的评测协议，并用按分布分组的动态子空间 + 渐进式 adapter 合并来平衡稳定性与可塑性，可直接迁移到开放世界检测器或 VLM 检测器的持续适配场景。