Tag · 11 篇
特征对齐
双对齐多任务特征引导的虚拟免疫组化染色
Virtual Immunohistochemistry Staining with Dual-Aligned Multi-Task Feature Guidance
面向H&E到IHC虚拟染色，提出用辅助任务特征做引导，并通过聚类与主被动匹配构建对齐矩阵来对齐H&E与IHC特征，可复用于存在空间错位的跨模态图像翻译与配准任务。
鲁棒性的几何：优化损失景观曲率与特征流形对齐以实现视觉语言模型的鲁棒微调
The Geometry of Robustness: Optimizing Loss Landscape Curvature and Feature Manifold Alignment for Robust Finetuning of Vision-Language Models
对做 VLM 微调的人，这篇给出了一个可复用的正则化组合：用局部曲率自适应的权重扰动把优化推向平坦极小值，再加一个跨干净/对抗/OOD 输入的特征对齐损失，从而在同一个微调流程里同时保住 ID、OOD 和对抗三个轴，可直接移植到 CLIP 类模型的鲁棒微调。
面向微小密集目标分割的结构感知表征蒸馏
Structure-Aware Representation Distillation for Tiny-Dense Object Segmentation
把教师特征的结构重要性（边界显著性、几何复杂度、局部特征变化）做成加权图来引导蒸馏损失，可直接迁移到任何密集预测任务的师生对齐中，替代逐像素 mask 模仿。
Selfi：通过三维几何特征对齐的自改进重建引擎
Selfi: Self-improving Reconstruction Engine via 3D Geometric Feature Alignment
通过重投影一致性损失将 VGGT 特征蒸馏到几何对齐的特征空间，可作为一种通用的自监督特征对齐手段，提升多视图几何一致性，直接用于新视角合成和相机姿态估计。
统一多模态大模型的罗塞塔石碑：一种破译理解与生成的统一分词器
Rosetta Stone For Unified MLLMs: A Unified Tokenizer to Decipher Understanding and Generation
提出一种分层解耦代理任务并引入注意力优先映射的统一视觉分词器，可直接替换离散统一多模态大模型中的视觉分词模块，在理解与生成任务上同时提升；其关于对比学习式模型在统一生成与理解时存在内在冲突、以及码本收敛行为差异的分析，对设计统一视觉表征具有直接参考价值。
QD-PCQA：面向点云质量评估的质量感知域自适应
QD-PCQA: Quality-Aware Domain Adaptation for Point Cloud Quality Assessment
将图像质量评估的预训练先验通过无监督域自适应迁移到点云质量评估，其中排序加权条件对齐和双域增强策略可复用于其他跨模态质量评估任务。
PointAlign：面向3D视觉语言模型的特征级对齐正则化
PointAlign: Feature-Level Alignment Regularization for 3D Vision-Language Models
提出一种特征级对齐正则化方法，通过一致性损失约束LLM中间点云token与视觉输入token对齐，仅训练轻量投影器和LoRA适配器，可复用于其他多模态大模型中以保留几何信息。
FedDAP：域偏移下联邦学习的域感知原型学习
FedDAP: Domain-Aware Prototype Learning for Federated Learning under Domain Shift
在联邦场景下按域聚合类原型、并做同域拉近/异域推远的双对齐，可作为视觉模型跨域泛化时构造域感知类中心、替代单一全局原型的可复用手段。
FBTA：通过特征桥接与翻译对齐实现单GPU端到端千兆像素WSI分类
FBTA: Enabling Single-GPU End-to-End Gigapixel WSI Classification with Feature Bridging and Translation Alignment
提出一种在单张24GB GPU上端到端训练WSI分类的MIL框架，通过特征桥接和翻译对齐解决冻结特征提取器带来的语义鸿沟，可复用于其他需要端到端训练的大图像分类任务。
CoLC：结合激光雷达补全的通信高效协同感知
CoLC: Communication-Efficient Collaborative Perception with LiDAR Completion
在带宽受限下用前景感知点采样加激光雷达补全重建稠密 pillar 再做早期融合，为多智能体协同感知提供了一条兼顾互补性与通信开销的路线，可直接迁移到车路协同与多车 BEV 感知系统。
一次对齐即可解释：面向可扩展 B-cos 化的基础视觉 Transformer 特征对齐
Align Once to Explain: Feature Alignment for Scalable B-cosification of Foundational Vision Transformers
提出一种免标签的一次性特征对齐方法，将任意预训练视觉基础模型（监督、自监督、视觉语言）转换为内在可解释的 B-cos 变体，且转换后模型可直接作为骨干网络用于下游任务，为视觉模型可解释性提供高效、可扩展的解决方案。