Tag · 7 篇
自适应采样
rPPG-VQA：面向无监督rPPG训练的视频质量评估框架
rPPG-VQA: A Video Quality Assessment Framework for Unsupervised rPPG Training
提出面向rPPG训练的视频质量评估框架，结合信号级SNR共识估计与场景级MLLM干扰识别，并利用质量分数进行两阶段自适应采样筛选训练数据，可直接用于提升无监督rPPG模型在野生视频上的训练效果。
从单目视频中恢复物理合理的人-物交互
Recovering Physically Plausible Human-Object Interactions from Monocular Videos
把运动学估计的单目人-物交互重建结果送入物理仿真器，用强化学习策略做后处理精修，可复用于任何需要消除穿模与物体漂浮的4D重建管线；其双自更新自适应采样机制也适用于从噪声标注中挑选可靠帧做训练。
LensWalk：通过规划视频观看方式实现智能体式视频理解
LensWalk: Agentic Video Understanding by Planning How You See in Videos
把「看哪里、看多密」变成智能体可调的工具参数，视觉研究者可借鉴这种按需采样+工具编排的推理范式，用于长视频问答与证据定位，无需微调即可插拔到现有 VLM 配方上。
去噪，快与慢：面向图像生成的难度感知自适应采样
Denoising, Fast and Slow: Difficulty-Aware Adaptive Sampling for Image Generation
提出图像块级时间步采样与难度感知自适应计算分配，可复用于扩散/流匹配模型的训练与推理加速，并可与表示对齐、引导方法正交结合。
课程组策略优化：自适应采样释放文生图生成潜力
Curriculum Group Policy Optimization: Adaptive Sampling for Unleashing the Potential of Text-to-Image Generation
把 GRPO 训练中的提示词采样从均匀改为按组奖励方差自适应加权，可直接迁移到扩散/流匹配模型的强化学习后训练，用来提升提示词对齐与训练效率；类别校准的比例公平思路也可用于多类别文生图数据配比。
基于超像素化相机的计算机视觉
Computer Vision with a Superpixelation Camera
把超像素分割前移到相机端做在线自适应压缩，为边缘设备上的分割、检测、单目深度估计提供低内存输入；做端侧视觉系统的人可以借鉴这种「传感器-算法协同」的降数据量思路，替代在图像域事后压缩。
CMR-RD：面向可解释心脏磁共振诊断的长尾自适应视觉语言模型
CMR-RD: Long-Tailed Adaptive VLM for Explainable CMR Diagnosis
把在线多阶段强化学习与自适应采样（GPPO）用于视觉语言模型的后训练，让模型主动探索稀有类别，这套长尾偏置缓解思路可直接迁移到其他医学或长尾视觉-语言诊断任务。