Tag · 7 篇
聚类
ShreddingNet：面向多源碎纸手稿的由粗到细复原方法
ShreddingNet: Coarse-to-Fine Restoration for Multi-Source Shredded Manuscripts
把「多源碎片拼接」形式化为先按来源聚类、再在候选集内做精细匹配的两阶段流程，其「错误匹配很少跨源」的假设可直接迁移到图像拼接、拼图复原、碎片化文档重建等需要鲁棒特征匹配与离群匹配剔除的视觉任务。
面向基于大语言模型的运动轨迹生成与验证的自一致性方法
Self-Consistency for LLM-Based Motion Trajectory Generation and Verification
把自一致性从文本推理迁移到视觉域：用「原型轨迹 + 几何变换群」定义形状族，通过聚类一致轨迹来提升 LLM 生成运动轨迹的准确率，并可作为 VLM 轨迹验证的免训练后处理手段。
重新审视未知类：迈向高效且有效的开放集主动学习
Revisiting Unknowns: Towards Effective and Efficient Open-Set Active Learning
提出一种无需独立开放集检测器的统一主动学习框架，利用冻结的对比预训练特征空间进行标签引导聚类，并用 Dirichlet 校准的辅助检测头联合建模已知与未知类，可直接用于视觉任务中标注预算受限下的开放世界数据筛选。
基于聚类的多度量表征学习策略用于细粒度多模态情感分析
Multi-Metric Representation Learning Strategy Based on Clustering for Fine-Grained Multimodal Sentiment Analysis
把多模态表征按情感类别聚类后，在全局与簇内局部两套度量下做投影与决策级融合，这一「聚类+多度量」思路可直接迁移到视觉-语言模型中的细粒度情感/意图判别与跨模态对齐。
HiLoRA：面向个性化联邦学习的分层低秩适配
HiLoRA: Hierarchical Low-Rank Adaptation for Personalized Federated Learning
把 LoRA 适配器按 root/cluster/leaf 三层级放置，并用子空间相似度做客户端聚类，这套「分层低秩适配 + 子空间正交」思路可直接迁移到视觉模型的多域/多客户端个性化微调与跨域适配场景。
面向高效视频-语言预训练的簇级时空掩码
Cluster-Wise Spatio-Temporal Masking for Efficient Video-Language Pretraining
提出按帧内语义聚类、每簇保留时序密度最高词元的掩码策略，可直接迁移到任何视频-语言或视频自监督预训练流程中，在极高掩码率下同时缓解视觉信息丢失与帧间信息泄漏，并配合视频-文本相关性重建目标提升跨模态语义对齐。
COT-FM：簇级最优传输流匹配
COT-FM: Cluster-wise Optimal Transport Flow Matching
把目标样本聚类并为每个簇反演一个专属源分布，从而拉直流匹配的向量场——这是一个与模型架构无关的即插即用模块，可直接套到已有的图像生成/编辑流匹配模型上以减少采样步数、提升样本质量。