Tag · 4 篇
超图神经网络
分布 视觉语言模型1视频理解与时序13D 视觉与重建1医学影像与生物视觉1
01 02 03 04
驾驶前先思考：受世界模型启发的多模态视觉定位
Think Before You Drive: World Model-Inspired Multimodal Grounding
将世界模型的未来潜状态推演引入视觉定位，用命令感知的潜变量序列为歧义指令提供前瞻线索，这一「先推演后定位」的范式可迁移到任何需要空间关系推理的视觉-语言任务。
基于时空因果推理的流式视频犯罪预测
Streaming Video Crime Anticipation with Spatio-Temporal Causal Reasoning
将实体间的隐式动态关系显式建模为时空因果超图，并以流式模块接入 VLM，为视频时序推理提供了一种可复用的因果结构注入方式，可用于任何需要预测未来事件或建模实体交互的视频理解任务。
Hyper-PCN：基于超图的高阶相关性建模点云补全
Hyper-PCN: Hypergraph-Based Point Cloud Completion via High-Order Correlation Modeling
用超图显式建模点云中超越成对关系的高阶相关性，并通过锚点式两阶段采样构建协作超图，为点云补全及其他点云密集预测任务提供了一种可复用的高阶关系建模模块。
面向全切片图像分类中特征稀缺问题的双层超图生成方法
Dual-Level Hypergraph Generation for Addressing Feature Scarcity in Whole-Slide Image Classification
针对全切片图像中少数类特征稀缺问题，提出超图层级的提示引导分层超图变分自编码器生成拓扑一致的超图表示，以及超节点层级的锚框扩散 mixup 增强高注意力锚节点特征，可迁移到其他存在类内/类间稀缺的病理或细粒度分类任务。