Tag · 2 篇

弱监督目标定位

分布目标检测与定位1鲁棒性与安全1

TriLite: Efficient Weakly Supervised Object Localization with Universal Visual Features and Tri-Region Disentanglement

用冻结的 DINOv2 ViT 特征配合极少量可训练参数（<800K）做单阶段弱监督定位，TriHead 把图像块特征解耦为前景/背景/模糊三区以提升物体覆盖度，为「冻结大骨干+轻量头」的定位与密集预测任务提供了可复用范式。

Learning from Synthetic Data via Provenance-Based Input Gradient Guidance

利用合成数据生成时记录的来源信息（provenance）作为辅助监督，对输入梯度进行分解与引导，抑制模型对非目标区域的依赖，从而学到更聚焦于目标的判别性表征；该思路可迁移到任何使用合成数据训练、且能获取像素级来源标注的视觉任务中。