Tag · 10 篇
适配器
SANER：用于行人去重识别的可切换适配器与非参数增强路由
SANER: Switchable Adapter with Non-parametric Enhanced Routing for Person De-Reidentification
提出可切换适配器与测试时非参数路由，将预训练特征空间解耦为遗忘与保留子空间，为行人重识别中的选择性遗忘提供可复用方案。
表征引导的增量适配器微调用于预训练模型类增量学习
Representation-Steered Incremental Adapter-Tuning for Class-Incremental Learning with Pre-Trained Models
提出单一共享适配器与表征引导损失，避免类增量学习中参数随任务线性增长，并用残差自编码投影器对齐新旧任务特征分布，为视觉模型持续学习提供参数高效且表征一致的方案。
QuietPrune：面向视觉语言模型的查询引导早期词元剪枝
QuietPrune: Query-Guided Early Token Pruning for Vision-Language Models
把剪枝时机提前到 ViT 内部，并用投影器逆变换构造的 [Q-CLS] 词元为视觉词元提供文本相关性打分，这一「查询引导的早期剪枝」思路可直接迁移到任何 ViT-LLM 架构的 VLM 推理加速中，且 2x2 分组剪枝与主流视觉词元合并操作兼容。
PACT：视觉语言模型基于适配器的持续学习中的类相变约束
PACT: Phase-Like Transition Constraints in Adapter-Based Continual Learning of Vision-Language Models
在基于适配器的持续学习中，用类似相变的稳定性/可塑性正则与先验锚定替代正交约束，让视觉语言模型在任务间保留可迁移共享；做增量适配器训练时可复用其双分支 ViT 结构与稳定适配器初始化。
ORSATR-X：面向光学遥感目标识别、基于差分与激励网络的基础模型
ORSATR-X: A Foundation Model based on Differential-and-Excitation Networks for Optical Remote Sensing Object Recognition
把 DINOv3 的通用表征与一个旁路网络结合，用 Weber 局部适配器（中心-周边对比 + 方向梯度）增强低对比度目标的边界判别力，并用自监督蒸馏预训练旁路网络——这套「冻结基础模型 + 轻量旁路增强」的范式可直接迁移到其他低对比度、强背景干扰的视觉检测/分割任务。
局部运动至关重要：一种用于从视频中进行强化学习预训练的分解-重组范式
Local Motion Matters: A Deconstruct-Recompose Paradigm for Reinforcement Learning Pre-training from Videos
从视频中通过跟踪局部点（原子动作）学习可迁移的运动表征，并用潜在动力学模型聚合，为视觉驱动的机器人策略学习提供预训练方案；其双注意力编码器与运动聚合词元设计可复用于视频运动理解与模仿学习。
从检测到关联：为多目标跟踪学习判别性目标嵌入
From Detection to Association: Learning Discriminative Object Embeddings for Multi-Object Tracking
针对端到端 DETR 类跟踪器中共享检测嵌入类间相似度过高的问题，用空间/时序/身份三个适配器在检测特征上做显式精炼，可直接迁移到任何 DETR 式跟踪或关联头中提升跨帧实例判别性。
Dynamic Magic：释放受限知识以实现终身行人重识别
Dynamic Magic: Unleashing Restricted Knowledge for Lifelong Person Re-Identification
把大预训练模型与动态扩展的模块化适配器结合，用域感知调度和相似度引导的自动选择器在推理时路由输入，为视觉里「持续学习新域又不遗忘旧域」提供了一套可复用的参数隔离+共享适配器协作框架。
CASPA：面向视觉语言模型模态无关适配的图结构概念锚点
CASPA: Graph-Structured Concept Anchors for Modality-Agnostic Adaptation in Vision-Language Models
把适配从「每类一组提示词参数」改为「共享文本/图像锚点上的软关联分布」，在冻结 CLIP 骨干的前提下实现参数共享与跨类语义复用；做 VLM 下游适配（少样本、跨数据迁移）时可直接替换 class-specific prompt 的参数化方式，并用 S-XCR 约束图文推理空间一致。
锚点引导的梯度对齐用于不完整多模态学习
Anchor-Guided Gradient Alignment for Incomplete Multimodal Learning
针对视觉语言预训练模型在模态缺失场景下的优化失衡问题，提出以检索重建样本与完整样本共同构成优化锚点来对齐梯度，并设计语义增强适配器生成动态提示；做多模态下游任务（如跨模态检索、VQA）时可直接复用该训练策略提升缺失模态鲁棒性。