Tag · 3 篇
视觉基础模型特征
分布 底层视觉与图像复原13D 视觉与重建1生成模型与扩散1
01 02 03
UniFusion：兼具鲁棒表征与源感知保持的统一图像融合框架
UniFusion: A Unified Image Fusion Framework with Robust Representation and Source-Aware Preservation
用 DINOv3 冻结特征构建跨模态共享语义空间，并用重建-对齐损失约束融合输出与各源图的一致性，这套「基础模型特征 + 重建约束」的组合可直接迁移到多曝光/多聚焦/红外-可见光等任意多源融合与复原任务，双层优化解耦融合与重建目标的思路也适用于其他多目标耦合的低层视觉训练。
教 DINOv3 理解部分 3D 几何：一种自监督的几何感知方法
Teaching DINOv3 About Partial 3D Geometry: A Self-Supervised Geometry-Aware Approach
用 LoRA 自监督微调 DINOv3 特征，使其对部分观测（partial shape）鲁棒，可直接替换部分形状匹配与左右对称预测流程中的特征描述子。
一帧只需一个词元：用 Delta 词元进行高效生成式世界建模
A Frame is Worth One Token: Efficient Generative World Modeling with Delta Tokens
把相邻帧的 VFM 特征差压缩成单个连续 delta 词元，将视频从三维时空表示降为一维时序序列，这一分词思路可直接复用于视频预测、特征空间生成建模与高效多假设采样。