Tag · 13 篇
弱监督学习
基于异常连通分量与意图推理的弱监督视频异常检测
Weakly Supervised Video Anomaly Detection with Anomaly-Connected Components and Intention Reasoning
把「异常连通分量」当作无需帧级标注的伪语义分组手段，配合意图感知区分相似正常/异常行为，可直接迁移到其他弱监督时序定位任务（如弱监督动作定位、视频篡改定位）中构造帧级伪标签。
少有人走的路：弱监督视频异常检测中的片段探索
The Road Less Seen: Segment Exploration for Weakly Supervised Video Anomaly Detection
针对弱监督视频异常检测中AUROC高但低FPR下召回率低的问题，提出结合时序聚类与不确定性采样的双重探索策略，可复用于其他弱监督时序定位任务中缓解正负样本极度不平衡。
TVHighlights：LLM 引导的无人工协同训练用于影视剧视频亮点检测
TVHighlights: LLM-Guided Human-Free Collaborative Training for Video Highlight Detection in Movies and TV Dramas
把 LLM 生成的片段级伪标签与轻量视频模型的置信度预测放进自提升闭环，配合噪声鲁棒学习，为长视频时序定位类任务提供了一套无需人工标注的协同训练范式，可直接迁移到视频摘要、精彩片段检索等时序定位问题。
SAIL：面向弱监督稠密视频描述学习的相似度感知引导与描述间增强
SAIL: Similarity-Aware Guidance and Inter-Caption Augmentation-based Learning for Weakly-Supervised Dense Video Captioning
用跨模态相似度作为弱监督信号来引导高斯掩码聚焦语义相关区域，并用 LLM 合成描述通过掩码间机制提供辅助对齐信号，这套思路可直接迁移到其他只有粗粒度标注的视频时序定位任务（如弱监督动作定位、视频片段检索）。
RegFormer：面向高效弱监督人-物交互检测的可迁移关系视觉定位
RegFormer: Transferable Relational Grounding for Efficient Weakly-Supervised Human-Object Interaction Detection
RegFormer 用空间视觉定位信号作为弱监督 HOI 推理的引导，把图像级交互推理直接迁移到实例级，无需额外训练；对做 HOI、场景图或弱监督定位的研究者，这是一个可复用的「定位引导关系推理」模块，能绕开枚举实例对带来的计算开销与假阳性。
部分弱监督旋转目标检测
Partial Weakly-Supervised Oriented Object Detection
提出部分弱标注（水平框或单点）驱动的旋转目标检测框架，其方向与尺度感知学生模型（OS-Student）和类别无关伪标签过滤（CPF）可直接迁移到遥感、场景文字等需要 OBB 但标注昂贵的检测任务中，降低标注成本。
OpenDPR：基于视觉中心扩散引导原型检索的遥感影像开放词表变化检测
OpenDPR: Open-Vocabulary Change Detection via Vision-Centric Diffusion-Guided Prototype Retrieval for Remote Sensing Imagery
将扩散模型作为离线原型生成器，在视觉空间进行开放词表检索，为视觉基础模型（SAM、DINOv2）与视觉语言模型（CLIP）的类别识别瓶颈提供免训练解决方案；S2C 弱监督模块可复用为适配 VFM 空间先验的通用变化定位方法。
MorphSeek：面向可变形图像配准的细粒度潜表征级策略优化
MorphSeek: Fine-grained Latent Representation-Level Policy Optimization for Deformable Image Registration
把 DIR 的稠密位移场优化搬到潜特征空间，用高斯策略头 + GRPO 做由粗到细的探索，这种「表征级策略优化」思路可迁移到任何高维稠密预测任务（如光流、稠密对应、点云配准）的搜索式优化中。
缓解实例依赖偏标签学习中的实例纠缠
Mitigating Instance Entanglement in Instance-Dependent Partial Label Learning
针对弱监督分类中候选标签与实例特征耦合导致的类间混淆，提出类特定增强与加权惩罚损失来拉开类间距离，可复用于噪声标签、开放词表等标签歧义场景下的表征判别性提升。
从噪声监督中学习：面向弱监督视频异常检测的去噪-纠偏框架
Learning from Noisy Supervision: A Denoising-Debiasing Framework for Weakly Supervised Video Anomaly Detection
把「高训练损失的样本即噪声」这一观察做成动态丢弃率，再用视觉语言模型对被丢弃片段做二次判别，可作为一种即插即用的去噪-纠偏模块迁移到任何基于 MIL 的视频时序定位任务（如弱监督动作定位、视频级标签的时序 grounding）。
面向弱监督动作分割的层次化动作学习
Hierarchical Action Learning for Weakly-Supervised Action Segmentation
论文提出层次化因果生成过程与稀疏转移约束，利用高层动作潜变量变化慢的特性来抑制过分割，这种时序潜变量对齐思路可迁移到其他视频时序任务（如动作识别、时序动作定位）中。
GEM-TFL：通过EM引导分解与时序精炼弥合弱监督与全监督伪造定位之间的差距
GEM-TFL: Bridging Weak and Full Supervision for Forgery Localization through EM-Guided Decomposition and Temporal Refinement
论文提出的基于EM的弱监督时序定位框架和图提案精炼模块，可迁移到视频动作定位、视频异常检测等需要从视频级标签学习帧级预测的视觉任务中。
可变形高斯占用：以因子化蒸馏解耦刚性与非刚性运动
Deformable Gaussian Occupancy: Decoupling Rigid and Nonrigid Motion with Factorized Distillation
将高斯原语的刚性与非刚性形变解耦，并用 VGGT 4D 基础模型做因子化跨相机/跨帧蒸馏，为自动驾驶占用预测中的人体等非刚性目标提供可复用的形变建模与蒸馏监督思路。