Tag · 30 篇
少样本学习
VideoNet：面向领域特定动作识别的大规模数据集
VideoNet: A Large-Scale Dataset for Domain-Specific Action Recognition
提供了一个覆盖38个领域、1087类动作的视频动作识别基准与近50万视频问答对训练集，可用于评测和微调VLM的细粒度动作理解与少样本能力，并揭示当前VLM在领域特定动作上的显著短板。
UniSpector：面向通用开放集缺陷识别的光谱对比视觉提示
UniSpector: Towards Universal Open-set Defect Recognition via Spectral-Contrastive Visual Prompting
提出基于视觉提示的开放集缺陷定位框架，利用空间-光谱提示编码器提取方向不变细粒度特征，并通过对比提示编码器将提示空间正则化为语义组织的角度流形，为开放词表检测和少样本缺陷识别提供了可复用的提示拓扑设计思路。
仅训练期异构图像块-文本图监督用于提升少样本学习适配器
Training-Only Heterogeneous Image-Patch-Text Graph Supervision for Advancing Few-Shot Learning Adapters
把训练期的异构图教师（多尺度图像块+文本提示的图 Transformer）蒸馏进 Tip-Adapter 的键值缓存，测试时零额外延迟，为视觉研究者提供了一种「训练加料、推理不变」的少样本 CLIP 适配增强范式。
面向少样本类增量学习的语义引导全局-局部协同提示词学习
Semantic-Guided Global-Local Collaborative Prompt Learning for Few-Shot Class Incremental Learning
利用冻结的视觉语言模型原型与 LLM 生成的语义描述做全局-局部双对齐提示词学习，为视觉研究者提供了一种在少样本增量场景下抑制灾难性遗忘与过拟合的可复用范式，可直接迁移到开放词表识别与持续学习式视觉分类。
SearchAD：面向自动驾驶的大规模稀有图像检索数据集
SearchAD: Large-Scale Rare Image Retrieval Dataset for Autonomous Driving
为视觉研究者提供了一个面向长尾/稀有类别的语义图像检索基准，可用于评测文本-图像与图像-图像检索模型在极稀有类别上的零样本与微调表现，并支撑检索驱动的数据筛选与长尾感知研究。
SWIFT：面向少样本免训练生成视频溯源的滑动窗口重建
SWIFT: Sliding Window Reconstruction for Few-Shot Training-Free Generated Video Attribution
提出一种基于视频时序映射的免训练少样本归因方法，利用滑动窗口重建损失差异作为信号，可复用于生成内容溯源与模型指纹识别。
数据稀缺下的鲁棒性：面向演化威胁的少样本持续对抗训练
Robustness Under Data Scarcity: Few-Shot Continual Adversarial Training for Evolving Threats
把少样本持续对抗训练这一设定引入视觉模型鲁棒性维护，其高斯混合原型回放与对抗间隔损失可直接用于在数据受限、攻击分布不断漂移的场景下持续更新分类器而不遗忘旧攻击域。
RDFace：极端数据稀缺下罕见病面部图像分析的基准数据集与表型感知合成生成
RDFace: A Benchmark Dataset for Rare Disease Facial Image Analysis under Extreme Data Scarcity and Phenotype-Aware Synthetic Generation
在极端低数据条件下（每类平均 4.4 张）做细粒度面部表型分类时，可参考其用 DreamBooth/FastGAN 合成样本、再用面部关键点相似度过滤以保持表型保真度的流程，以及用视觉语言模型生成表型描述并计算报告相似度来校验合成图像语义有效性的评估思路。
RAID：检索增强的异常检测
RAID: Retrieval-Augmented Anomaly Detection
把 RAG 的「检索样本直接参与生成」思路搬到异常图生成上：用分层向量库检索类/语义/实例级正常模板，再用匹配代价体与引导式 MoE 抑制匹配噪声，可作为工业缺陷检测与少样本异常定位的可复用范式。
指向部件：多模态大语言模型中的免训练少样本视觉定位
Pointing at Parts: Training-Free Few-Shot Grounding in Multimodal LLMs
提出一种免训练、即插即用的少样本部件级指向方法，通过融合文本与视觉注意力图以及自监督视觉对应，可提升MLLM在细粒度空间定位任务上的表现，为视觉语言模型的空间理解提供可复用技术。
OntoAug：以本体引导重新审视生成式数据增强
OntoAug: Rethinking Generative Data Augmentation via Ontology Guidance
把前景掩码与多样化背景提示注入扩散采样过程，实现主体一致、上下文多样的可控合成数据；这套「结构化布局控制 + 提示解耦」思路可直接迁移到任何需要扩充训练集的识别任务，并可作为 WSOL 与 LVLM 推理的增强手段。
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。
神经混合密度过程
Neural Mixture Density Processes
NMDP 通过混合密度建模和 EM 训练构建函数先验，其任务特定参数更新机制可用于视觉少样本任务（如少样本分类、分割）的快速自适应，减少过拟合。
MatchMask：面向标签稀缺语义分割的以掩码为中心的生成式数据增强
MatchMask: Mask-Centric Generative Data Augmentation for Label-Scarce Semantic Segmentation
提出梯度探针方法分析扩散模型各层作用，并设计轻量LoRA风格适配器与层自适应交叉注意力融合，实现少样本语义图像合成，可直接用于标签稀缺下的分割数据增强。
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。
学习潜变量代理实现可控单图重光照
Learning Latent Proxies for Controllable Single-Image Relighting
用少量 PBR 监督训练一个少样本潜变量代理编码器，把稀疏材质-几何线索注入扩散去噪器，并用光照感知掩码只引导对光照敏感的像素；这套「稀疏物理先验 + 掩码引导」的思路可直接迁移到阴影编辑、材质编辑等需要物理可控性的图像生成任务。
通过残差学习从查询样本中搜寻正常性以实现通用异常检测
Hunting Normality from Query Sample via Residual Learning for Generalist Anomaly Detection
将残差特征从「直接建模分布」改为「引导学习实例级正常性代理」，并用支持集特征动态聚合查询相关的正常性代理，这一思路可迁移到少样本缺陷检测、开放类别异常定位以及任何需要类不变表征的定位任务。
启发式推理先验助力数据高效的指代目标检测
Heuristic-inspired Reasoning Priors Facilitate Data-Efficient Referring Object Detection
把由指代短语推导出的空间/语义启发式先验注入 DETR 式 grounding 流程的 proposal ranking、prediction fusion 与 Hungarian matching 三个环节，是一种模型无关、可直接复用的低数据量增强手段。
面向鲁棒少样本分类的图注意力原型网络
Graph Attention Prototypical Network for Robust Few-Shot Classification
把原型网络的原型构造换成「伪标签引导的图构造 + 边感知图注意力 + 自适应噪声抑制原型生成器」，这套模块可直接迁移到任何需要从带噪支持集聚合类原型的视觉任务（如带噪少样本检测、开放词表分类的原型校准）。
从少路到多路：重新审视少样本细粒度图像分类
From Few-way to Many-way: Rethinking Few-shot Fine-grained Image Classification
论文指出情节式训练在 many-way 场景下缺乏对特征空间的全局刻画，提出自特征与协同特征提取加情节级与全局级双重优化的思路，可直接迁移到其他少样本/小样本识别任务中改进特征空间结构。
动态室内环境中的少样本增量3D目标检测
Few-Shot Incremental 3D Object Detection in Dynamic Indoor Environments
把VLM的2D语义特征与类无关3D框结合成类别原型，并用多模态门控打分，为少样本增量3D检测提供了一条不依赖大量新类标注的路线；其原型印记与特征重加权机制可迁移到其他开放世界/增量检测设定。
少样本混合增量学习：数据稀缺与任务不确定下的持续学习
Few-Shot Hybrid Incremental Learning:Continually Learning under Data Scarcity and Task Uncertainty
CME-MoE 的条件专家复用与元扩展机制，为视觉模型在少样本、任务不确定的持续数据流中平衡稳定性与可塑性提供了可复用的架构级方案；SEPC 按需扩展原型分类器的思路可直接迁移到视觉分类器的域偏移决策边界建模。
数据中心元学习实现鲁棒少样本泛化
Data-Centric Meta-Learning for Robust Few-Shot Generalization
提出一种在元训练阶段就引入可学习视觉提示词来对齐任务输入分布、缓解梯度冲突的元学习框架，为视觉少样本跨域泛化提供了一种数据中心的训练策略，且测试时仅更新轻量提示词和分类器，骨干网络冻结，便于在视觉任务中复用。
DDSF：基于解耦子空间与行列式点过程的鲁棒少样本学习
DDSF: Robust Few-Shot Learning via Disentangled Subspaces with Determinantal Point Process
用行列式点过程（DPP）的体量最大化来筛选样本、引导扩散增强并构造解耦子空间，可作为提升原型类方法在噪声与难正样本下稳定性的通用插件。
面向高效多模态异常检测的互补原型映射
Complementary Prototype Mapping for Efficient Multimodal Anomaly Detection
提出互补原型映射框架，通过共识原型和补充原型动态引导跨模态特征映射，解决无监督多模态异常检测中的映射歧义问题，可复用于工业质检和医学影像的缺陷定位任务。
ChimeraLoRA：多头LoRA引导的合成数据集
ChimeraLoRA: Multi-Head LoRA-Guided Synthetic Datasets
提出将LoRA分解为类共享A和图像特定B，并用狄利克雷系数混合生成兼具多样性与细节的合成数据，可直接用于少样本/长尾视觉任务的数据增强。
超越物体：面向细粒度分类的上下文合成数据生成
Beyond Objects: Contextual Synthetic Data Generation for Fine-Grained Classification
BOB 提出了一种微调 T2I 模型以生成高质量合成训练数据的策略：通过类无关属性（背景、姿态）显式条件化并在生成时边缘化，缓解过拟合并保留生成先验，可直接用于低样本细粒度分类的数据增强。
归因即检索：模型无关的AI生成图像溯源
Attribution as Retrieval: Model-Agnostic AI-Generated Image Attribution
把AI生成图像溯源从闭集分类改写为实例检索，配合低比特平面指纹与无监督预训练+少样本适配，使视觉取证系统无需访问生成模型即可泛化到未见过的生成器，可直接复用于深度伪造检测与来源归因。
基于多臂老虎机的自适应数据增强：面向隐式模式识别的样本高效嵌入校准
Adaptive Data Augmentation with Multi-armed Bandit: Sample-Efficient Embedding Calibration for Implicit Pattern Recognition
在冻结的视觉/多模态嵌入模型之上训练轻量校准器，并用多臂老虎机驱动的自适应数据增强缓解少样本下的梯度漂移，可直接用于长尾识别、少样本分类等视觉下游任务的低成本适配。
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。