Tag · 5 篇
编码器-解码器架构
TokenGS：用可学习词元将 3D 高斯预测与像素解耦
TokenGS: Decoupling 3D Gaussian Prediction from Pixels with Learnable Tokens
将 3D 高斯预测从像素网格解耦为可学习词元，使前馈 3DGS 重建不再受输入分辨率和视图数限制，并支持在词元空间进行测试时优化，为动态场景重建和场景流估计提供了新思路。
扩展视角合成 Transformer 的规模
Scaling View Synthesis Transformers
为无几何先验的新视角合成 Transformer 提供了可复用的缩放定律与计算最优设计原则，并指出编码器-解码器结构在同等训练算力下可与 decoder-only 模型同样高效，可直接指导 NVS 模型的算力分配与架构选型。
RMAE-ProGRess：推进非结构化环境中的语义分割
RMAE-ProGRess: Advancing Semantic Segmentation in Unstructured Environments
提出ProGRess解码器，通过渐进式跳跃融合（PLF）实现非连续特征图的自顶向下多尺度融合，并引入轻量级通道注意力门控（LCAR）和瓶颈特征融合（BFF），为语义分割解码器设计提供了可复用的模块化思路。
DiffusionFF：基于扩散模型的联合人脸伪造检测与细粒度伪影定位框架
DiffusionFF: A Diffusion-based Framework for Joint Face Forgery Detection and Fine-Grained Artifact Localization
将预训练伪造检测器作为编码器、扩散模型作为解码器，利用多尺度伪造特征条件生成细粒度伪影定位图，再与高层语义特征融合提升检测性能；该思路可迁移到其他需要细粒度异常定位的视觉任务。
BIT：面向可见光-红外行人重识别的基于匹配的双向交互变换网络
BIT: Matching-based Bi-directional Interaction Transformation Network for Visible-Infrared Person Re-Identification
把 VI-ReID 从「在共享嵌入空间里做刚性特征对齐」改成「对可见光-红外图像对做显式的双向匹配交互」，其中 query-aware scoring 与双向特征融合可作为跨模态检索/匹配任务的通用模块复用，尤其适用于红外样本远少于可见光样本的分布偏移场景。