Tag · 3 篇
排序学习
分布 数据集与评测23D 视觉与重建1
01 02 03
RARE：学习排序与检索用于单目 3D 目标检测
RARE: Learn to RAnk and REtrieve for Monocular 3D Object Detection
把置信度估计从回归绝对分数改成学习相对排序，并用查询集显式建模单目 3D 定位的多峰分布再检索 top-1，这套「排序+检索」思路可直接迁移到其他存在病态逆问题的 3D 任务（如单目深度、6D 位姿）的置信度与多假设输出设计。
MDS-VQA：面向视频质量评估的模型感知数据选择
MDS-VQA: Model-Informed Data Selection for Video Quality Assessment
提出一种模型感知的数据选择机制，通过失败预测器和多样性度量在有限标注预算下挑选难且多样的视频样本，可直接用于视觉任务中的主动微调与数据高效适配。
细粒度图像美学评估：从相对排序中学习判别性分数
Fine-grained Image Aesthetic Assessment: Learning Discriminative Scores from Relative Ranks
论文提出的细粒度图像美学评估数据库 FGAesthetics 与基于相对排序的框架 FGAesQ，为视觉研究提供了在细微美学差异下进行判别性评估的新设定与可复用技术（DiffToken、CTAlign、RankReg），可迁移到其他需要细粒度比较的视觉任务。