Tag · 6 篇
特征融合
UniLDiff：释放扩散先验在一体化图像复原中的潜力
UniLDiff: Unlocking the Power of Diffusion Priors for All-in-One Image Restoration
把预训练扩散模型的先验直接搬进一体化图像复原：DAFF 在每个去噪步用解耦融合+自适应调制注入低质特征，DAEM 用专家路由在解码器端补纹理，这套「退化条件注入去噪链」的做法可迁移到其他条件生成式复原任务。
说茄子！通过自然语言编辑生成细节保持的人像集合
Say Cheese! Detail-Preserving Portrait Collection Generation via Natural Language Edits
提出基于自然语言指令的人像集合生成任务，并设计自适应特征融合与 ConsistencyNet 来在复杂编辑下保持身份与细节一致性，为可控人像编辑提供了可复用的数据构建流程与一致性保持模块。
Match-and-Fuse：从无序图像集合进行一致性生成
Match-and-Fuse: Consistent Generation from Unstructured Image Sets
把无序图像集合建模为图、在成对生成时按稠密对应关系融合内部特征，这一免训练思路可直接迁移到多视图一致编辑、集合级个性化生成与视频帧间一致性约束，无需掩码或人工监督。
面向遥感旋转目标检测的傅里叶角度对齐
Fourier Angle Alignment for Oriented Object Detection in Remote Sensing
利用傅里叶旋转等变性在频域提取主方向并对齐角度，为旋转目标检测中颈部网络方向不一致与检测头任务冲突提供即插即用的解决思路，可迁移到任何需要方向一致性的特征融合与RoI处理环节。
双层适配器提升无提示曲线结构分割
Dual-level Adapter Boosting Prompt-free Curvilinear Structure Segmentation
在冻结的 SAM 上插入块内与块间双层适配器，实现无提示、仅需 18 张标注图像的跨域曲线结构分割，可直接迁移到医学/遥感细长目标（血管、道路、纤维）的少样本分割场景。
CATNet：面向协同感知的协同对齐与变换网络
CATNet: Collaborative Alignment and Transformation Network for Cooperative Perception
面向车路协同/多智能体感知中的时序延迟与多源噪声问题，STSync 的相邻帧差分对齐与 WTDen 的小波域去噪可作为即插模块复用到任何异步多视角特征融合流程中。