Tag · 4 篇

渐进式优化

分布 3D 视觉与重建2视觉语言模型1可解释性与可视化1

MotionScale: Reconstructing Appearance, Geometry, and Motion of Dynamic Scenes with Scalable 4D Gaussian Splatting

以聚类中心基变换参数化的可扩展运动场，配合背景扩展与前景传播两阶段渐进优化，为单目视频长时序大场景的动态重建提供了可复用的运动表示与训练调度思路。

GroundVTS: Visual Token Sampling in Multimodal Large Language Models for Video Temporal Grounding

提出查询引导的视觉词元采样机制，在输入LLM前过滤冗余视觉词元，可复用于其他视频-语言任务（如视频问答、时刻检索）以提升时序建模效率。

Back to the Feature: Explaining Video Classifiers with Video Counterfactual Explanations

把图像反事实解释扩展到视频时，关键难点是时序一致与运动平滑；BTTF 用「首帧条件反演初始潜变量 + 两阶段邻域搜索 + 渐进增加去噪步数」的纯分类器引导优化，为视频模型的归因与调试提供了可复用的生成式解释框架。

3D Gaussian Splatting from Unposed Spike Stream

把脉冲相机的概率模型推广到关键帧选择，使无位姿（unposed）脉冲流也能联合优化相机轨迹与 3DGS 场景，为高速动态场景重建提供了一条不依赖外部位姿先验的流程。