Tag · 3 篇
跨域适应
分布 目标检测与定位2自动驾驶与遥感1
01 02 03
RAG-TP：基于检索增强生成的车辆轨迹预测通用框架
RAG-TP: A General Framework for Vehicle Trajectory Prediction via Retrieval-Augmented Generation
把轨迹预测从依赖在线感知先验改为从结构化知识库检索历史经验，并用检索驱动的 MoE 加交叉注意力做动态融合；对做自动驾驶预测、以及想把 RAG 思路引入视觉时序任务的人，这是一个可复用的「离线知识库 + 推理时检索」范式。
推动视觉语言模型面向跨域增量目标检测
Boosting Vision-Language Models Towards Cross-Domain Incremental Object Detection
把「跨域 + 新类别」同时纳入增量目标检测的评测协议，并用按分布分组的动态子空间 + 渐进式 adapter 合并来平衡稳定性与可塑性，可直接迁移到开放世界检测器或 VLM 检测器的持续适配场景。
深入审视跨域少样本目标检测：微调至关重要且并行解码器有益
A Closer Look at Cross-Domain Few-Shot Object Detection: Fine-Tuning Matters and Parallel Decoder Helps
提出一种混合集成解码器，通过共享层级层后接多个并行解码器分支（分支使用继承或新初始化的去噪查询）来提升少样本微调时的泛化性，且不增加额外参数；配合平台感知学习率调度的统一渐进式微调框架，为跨域少样本目标检测提供了可复用的解码器设计与训练策略。