Tag · 6 篇
贝叶斯推断
相似性一致似然扩散实现从墙壁反射的隐藏人物检测
Similarity-Consistent Likelihood Diffusion enables Hidden Person Detection from Wall Reflections
将异方差伪似然融入确定性DDIM采样，并通过退火贝叶斯精度更新与扩散先验融合，为逆问题提供可复现且测量一致的生成式重建方案，可迁移到其他欠定视觉重建任务。
PhysGS：用于物理属性估计的贝叶斯推断高斯泼溅
PhysGS: Bayesian-Inferred Gaussian Splatting for Physical Property Estimation
把 3D 高斯泼溅从几何/外观重建扩展为可微的贝叶斯后验推断框架，每个高斯点携带材质与物理属性信念并随观测迭代更新，同时区分偶然与认知不确定性；做机器人操作、仿真到现实或需要从视觉推断物体物理量的工作可直接复用这一「高斯点 + 概率信念」的表示。
CGU-Bayes：因果图不确定性引导的贝叶斯推断用于域泛化
CGU-Bayes: Causal Graph Uncertainty-Guided Bayesian Inference for Domain Generalization
将因果图的后验不确定性作为贝叶斯推断的权重因子，为视觉域泛化提供了一种可量化因果结构可靠性的通用手段，可迁移到任何依赖因果图进行特征选择的视觉任务中。
超越启发式提示词：面向零样本图像识别的概念引导贝叶斯框架
Beyond Heuristic Prompting: A Concept-Guided Bayesian Framework for Zero-Shot Image Recognition
把类别概念当作潜变量、用贝叶斯边缘化替代启发式提示词集成，并配一个无需训练的自适应软裁剪似然来压制离群概念——这套思路可直接迁移到 CLIP 类模型的零样本/少样本识别与开放词表分类中，替代手工 prompt 模板搜索。
BA-GS：面向无SfM三维重建的贝叶斯自适应高斯泼溅
BA-GS: Bayesian Adaptive Gaussian Splatting for SFM-Free 3D Reconstruction
将贝叶斯不确定性建模引入无SfM的高斯泼溅初始化与优化：用变分高斯混合模型建模全局潜变量分布，用自适应卡尔曼滤波融合噪声梯度观测与空间先验来精化每个高斯基元的位置，为稀疏视角下的3DGS提供可复用的概率化优化框架。
面向高效不可迁移学习的自适应贝叶斯早退网络
Adaptive Bayesian Early-Exit Networks for Efficient Non-Transferable Learning
对视觉模型部署者而言，这是一种用动态早退分类器实现「源域可用、目标域失效」的访问控制手段：只需训练各出口分类器而不重训骨干网络，即可在推理时按出口位置区分源域与目标域数据，为模型版权保护与受限发布提供可复用范式。