Tag · 14 篇
跨域泛化
WiTTA-Bench：面向 WiFi 感知的测试时自适应基准
WiTTA-Bench: Benchmarking Test-Time Adaptation for WiFi Sensing
WiFi 感知的 TTA 基准与跨设备配对数据集，为视觉研究者提供了与视觉感知互补的被动感知模态；其揭示的 OTTA 与 TTDA 互补性、以及递归自训练对超参敏感的现象，可直接迁移到视觉 TTA 方法的设计与评测中。
VideoWorld 2：从真实世界视频中学习可迁移知识
VideoWorld 2: Learning Transferable Knowledge from Real-world Videos
用预训练视频扩散模型承担视觉外观建模、把动作动力学剥离到紧凑潜变量码上再自回归建模，这一「外观-动力学解耦」思路可直接迁移到机器人操作策略学习与长时序视频预测中，也提示视觉研究者可把扩散模型当作可复用的外观先验而非端到端生成器。
连贯性陷阱：当多模态大语言模型构建的叙事利用被操纵的视觉上下文
The Coherence Trap: When MLLM-Crafted Narratives Exploit Manipulated Visual Contexts
提出利用MLLM生成语义连贯的虚假图文对来构建对抗数据集，并设计伪影感知编码与操作导向推理框架，为检测MLLM驱动的多模态虚假信息提供了可复用的数据生成与检测思路。
基于手语数据的文本驱动三维手部动作生成
Text-Driven 3D Hand Motion Generation from Sign Language Data
把手语视频的伪标注通过 LLM 转成细粒度手部动作文本描述，从而以极大规模自动构建「3D 手部动作-文本」配对，并用文本条件扩散模型生成手部运动；对做人体/手部动作生成、手语理解与文本到运动的研究者，这套数据构造与跨域评测设定可直接复用。
SD-FSMIS：适配 Stable Diffusion 实现少样本医学图像分割
SD-FSMIS: Adapting Stable Diffusion for Few-Shot Medical Image Segmentation
把预训练 Stable Diffusion 的条件生成架构改造成少样本分割器：用 Support-Query Interaction 注入支持集特征、用 Visual-to-Textual Condition Translator 把视觉提示转成隐式文本嵌入作为生成条件，为视觉研究者提供了一条「复用生成模型先验做密集预测」的可迁移路径。
SAME：面向有限数据下异构增量学习的稀疏锚定模型编辑
SAME: Sparse and Anchored Model Editing for Heterogeneous Incremental Learning under Limited Data
把模型编辑（稀疏参数更新 + 键值知识对）当作持续学习的载体，用双重锚框约束（特征对齐锚 + 参数幅度锚）在少样本、任务边界未知的跨域序列上稳定注入新知识，可直接迁移到视觉语言模型的增量适配与免遗忘微调。
无提示通用区域提议网络
Prompt-Free Universal Region Proposal Network
提出一种无需图像/文本提示的通用区域提议网络，用可学习查询嵌入配合稀疏图像感知适配器与级联自提示完成潜在目标定位，可直接迁移到水下、工业缺陷、遥感等域外检测场景而无需微调，为开放场景下的类无关提议生成提供了可复用范式。
PPM-CLIP：面向可泛化AI生成图像检测的概率提示建模
PPM-CLIP: Probabilistic Prompt Modeling for Generalizable AI-Generated Image Detection
将CLIP的提示词从静态分类模板改为条件生成分布，为视觉任务中利用提示词建模不确定性提供新思路；补丁级对比学习可增强视觉编码器对局部细微伪影的敏感度，可迁移到细粒度检测任务。
聚焦背景：以背景为中心的提示词探索 SAM 在少样本医学图像分割中的潜力
Focus on Background: Exploring SAM's Potential in Few-shot Medical Image Segmentation with Background-centric Prompting
把 SAM 的少样本分割重新表述为「提示词定位」任务，用类别无关的背景提示约束 SAM 的过分割；这一思路可迁移到任何需要抑制 SAM 过度分割的开放词表/少样本分割场景。
双层适配器提升无提示曲线结构分割
Dual-level Adapter Boosting Prompt-free Curvilinear Structure Segmentation
在冻结的 SAM 上插入块内与块间双层适配器，实现无提示、仅需 18 张标注图像的跨域曲线结构分割，可直接迁移到医学/遥感细长目标（血管、道路、纤维）的少样本分割场景。
数据中心元学习实现鲁棒少样本泛化
Data-Centric Meta-Learning for Robust Few-Shot Generalization
提出一种在元训练阶段就引入可学习视觉提示词来对齐任务输入分布、缓解梯度冲突的元学习框架，为视觉少样本跨域泛化提供了一种数据中心的训练策略，且测试时仅更新轻量提示词和分类器，骨干网络冻结，便于在视觉任务中复用。
面向来自不同领域教师的持续蒸馏
Continual Distillation of Teachers from Different Domains
把「教师模型流式到达、且无法访问旧教师与教师训练数据」的持续蒸馏设定引入视觉模型压缩，用外部无标签数据上的 logits 保持来缓解跨域知识遗忘，可直接用于多源教师（如不同域检测/分割模型）合并到单一学生网络的场景。
BarbieGait：面向步态识别的身份一致且支持多样换装的合成人体数据集
BarbieGait: An Identity-Consistent Synthetic Human Dataset with Versatile Cloth-Changing for Gait Recognition
用虚拟引擎把真实受试者映射为可控换装的合成步态数据，为跨衣物步态识别提供可扩展训练/评测源；GaitCLIF 的衣物不变特征学习思路可迁移到其他需抑制外观变化的生物特征识别任务。
ActivityForensics：面向视频中被操纵活动定位的综合基准
ActivityForensics: A Comprehensive Benchmark for Localizing Manipulated Activity in Videos
为视频取证提供了「活动级」伪造的定位基准与跨域/开放世界评测协议，并给出基于扩散特征正则化的基线 TADiff；做视频生成检测、时序定位或伪造溯源的研究者可直接在其协议上评测，或借鉴其用扩散模型暴露生成伪影痕迹的思路。