Tag · 5 篇
模型无关框架
面向组合式视频生成的免训练运动分解
Training-free Motion Factorization for Compositional Video Generation
把复杂运动拆成静止/刚体/非刚体三类，并用免训练的引导分支在扩散采样中分别约束外观稳定、刚体几何与局部形变，可直接迁移到任何视频扩散骨干上做可控运动合成。
HySeg：为结构感知遥感分割学习生成式先验
HySeg: Learning Generative Priors for Structure-Aware Remote Sensing Segmentation
把分割后验推理建立在生成式结构先验之上：用 MeanFlow 学习语义拓扑的连续随机场，再投影成类别条件亲和度去引导分割头，这个「先验→亲和度→后验」的插件式设计可以迁移到任何需要边界连贯性的密集预测任务。
视频基础模型编码了多少 3D 信息？
How Much 3D Do Video Foundation Models Encode?
提出一种模型无关的探针框架，通过浅层读出从视频基础模型特征中估计多种 3D 属性，为评估视觉模型内在 3D 理解提供可复用工具，并揭示视频生成模型可超越专家 3D 模型。
CoIn：面向高效大型多模态模型的覆盖度与信息量引导词元削减
CoIn: Coverage and Informativeness-Guided Token Reduction for Efficient Large Multimodal Models
把视觉词元裁剪建模为「信息量 + 覆盖度」的联合最优子集选择，用基于体积的覆盖度准则保证特征空间全局代表性，且与 kernel 级推理加速器兼容——做 LMM 推理加速或多模态 token 压缩时可直接替换 importance-only 或 pairwise 去冗余的选 token 策略。
真实世界中多域内人脸伪造检测的合理性检验
A Sanity Check for Multi-In-Domain Face Forgery Detection in the Real World
针对多域人脸伪造检测中域差异主导特征空间的问题，提出模型无关的两阶段框架 DevDet，通过 Face Forgery Developer 放大真伪差异并结合 Dose-Adaptive 微调策略，使检测器在域未指定条件下仍能做出单帧独立判断，为真实场景下的深度伪造检测提供了可复用的训练范式。