Tag · 7 篇

类别不平衡

分布医学影像与生物视觉3目标检测与定位2鲁棒性与安全13D 视觉与重建1

Taming the Long Tail: Rebalancing Adversarial Training via Adaptive Perturbation

把对抗扰动当作可调节的训练分布重加权手段，为长尾视觉任务（如长尾分类、检测）提供了一种即插即用的对抗训练改造思路，可直接嵌入现有对抗训练流程。

SRGCD: Stability-Driven Region Growth Framework for 3D Change Detection

把 3D 变化检测从逐点二分类重构为从高置信种子出发的区域生长，用稳定性引导的受控注意力逐层传播，可直接迁移到点云分割中边界模糊与孤立噪声点的处理。

Portable Active Learning for Object Detection

PAL 只依赖推理输出（提案框与分类分数）构造类别级不确定性，并用图像级熵、类别多样性与相似度做批次筛选，因此可直接套用到任意检测器（含开放词表或域偏移场景）的标注预算分配上，无需改动训练管线。

IVAAN: Instance-level Vision-Language Alignment via Attribute-Guided Text Prompts Generation for Nuclei Analysis

用真值掩码自动生成属性引导的文本描述，再以对比学习把实例级视觉表征与语义锚点对齐，并学习类内多个原型 token 建模子模态——这套「无人工文本标注的实例级视觉语言对齐 + 原型语义反馈」可直接迁移到其他缺乏实例级文本标注的密集预测任务（如细胞/病灶/遥感目标分割）。

Dual-Level Hypergraph Generation for Addressing Feature Scarcity in Whole-Slide Image Classification

针对全切片图像中少数类特征稀缺问题，提出超图层级的提示引导分层超图变分自编码器生成拓扑一致的超图表示，以及超节点层级的锚框扩散 mixup 增强高注意力锚节点特征，可迁移到其他存在类内/类间稀缺的病理或细粒度分类任务。

Divide, Conquer, and Aggregate: Asymmetric Experts for Class-Imbalanced Semi-Supervised Medical Image Segmentation

针对类别不平衡的半监督医学图像分割，提出非对称专家解码器与动态特征聚合模块，可复用于多器官分割中的尾类提升与伪标签质量优化。

Balanced Hierarchical Contrastive Learning with Decoupled Queries for Fine-grained Object Detection in Remote Sensing Images

在 DETR 框架内把 object query 拆成分类集与定位集，并用带可学习类原型的层级对比损失平衡各层级类别梯度，可直接迁移到任何需要细粒度分类与定位解耦的检测器。