Tag · 7 篇
目标检测
迈向细粒度归因：用于对齐扩散模型的实例感知偏好优化
Towards Fine-Grained Attribution: Instance-Aware Preference Optimization for Aligning Diffusion Models
将扩散模型对齐的偏好优化从图像级推进到实例级，通过自动构建实例级偏好数据集和动态重加权掩码，为视觉生成模型提供更细粒度的反馈信号，可复用于其他需要局部控制的生成任务。
RxnCaption：将反应图解析重构为视觉提示引导的图像描述
RxnCaption: Reformulating Reaction Diagram Parsing as Visual Prompt Guided Captioning
将坐标预测式解析重构为图像描述任务，并利用视觉提示（边界框与索引）引导 LVLM，为文档图像的结构化信息提取提供了可复用的范式。
RISE：基于单一静态雷达的室内场景理解
RISE: Single Static Radar-based Indoor Scene Understanding
利用多径反射作为几何线索，通过双角度建模恢复不可见结构，并用扩散框架将稀疏雷达信号转化为完整布局与目标检测，为隐私保护下的室内三维感知提供了新思路。
Phantom：以物理对象交互作为动态触发器劫持 NMS 的后门攻击
Phantom: Physical Object Interactions as Dynamic Triggers for NMS-Exploited Backdoors
把目标检测后处理中的 NMS 环节当作攻击面：用真实场景中的物体交互关系（而非固定 patch）作为动态触发器，可同时诱发误分类、误定位与目标凭空出现/消失，为检测模型的后门防御与 NMS 设计提供了新的威胁模型。
通过像素集体贡献解释目标检测器
Explaining Object Detectors via Collective Contribution of Pixels
用Shapley值与交互项显式建模多个像素的集体贡献，为检测器的边界框定位与类别判定同时生成归因图，可直接迁移到其他密集预测模型（分割、关键点）的解释与调试。
YOLO 真的需要在每个 epoch 看到每一张训练图像吗？
Does YOLO Really Need to See Every Training Image in Every Epoch?
AFSS 把「每张图的学习充分度」定义为检测召回率与精确率的最小值，并据此动态划分易/中/难样本、按连续复习方式稀疏重采样，可直接迁移到任意检测器或分割模型的训练循环中，作为降低每轮数据量、加速收敛的通用数据调度手段。
DetectSCI：面向高分辨率视频快照压缩成像的目标引导感兴趣区域重建
DetectSCI: Toward Object-Guided ROI Reconstruction for High-Resolution Video Snapshot Compressive Imaging
将目标检测引入SCI重建流程，仅对检测到的ROI进行高分辨率重建，为高分辨率视频SCI提供了一种可扩展的按需重建范式；其Mamba-隐式模块与频率Mamba查询选择机制可复用于其他需要从混叠测量中恢复判别性特征的底层视觉任务。