Tag · 6 篇
长尾识别
为何不采用超参数友好的优化？一种用于长尾识别的单调自适应范数重缩放方法
Why Not Hyperparameter-Friendly Optimisation? A Monotonic Adaptive Norm Rescaling Approach For Long-Tailed Recognition
SAMN 用池相邻违例算法直接对每类权重范数施加单调性约束，替代了需要调参的参数正则化，为长尾识别中的分类器重训练提供了一个无需超参数的通用后处理模块，可即插即用地集成到现有解耦框架中。
面向长尾视觉识别的可信校准协同学习
Trust-calibrated Collaborative Learning for Long-Tailed Visual Recognition
针对多专家互蒸馏中的错误传播与错误固化问题，提出知识质量门控与尾部类补偿机制，可迁移到任何采用多专家/集成蒸馏的视觉识别框架中，用于抑制专家间错误共识。
SearchAD：面向自动驾驶的大规模稀有图像检索数据集
SearchAD: Large-Scale Rare Image Retrieval Dataset for Autonomous Driving
为视觉研究者提供了一个面向长尾/稀有类别的语义图像检索基准，可用于评测文本-图像与图像-图像检索模型在极稀有类别上的零样本与微调表现，并支撑检索驱动的数据筛选与长尾感知研究。
RetFormer：用于增强图像识别的多模态检索
RetFormer: Multimodal Retrieval for Enhancing Image Recognition
将外部多模态知识库与检索交叉融合模块引入视觉识别，为长尾分布和噪声标签下的图像分类提供了一种不依赖增大模型参数的增强思路。
ProOOD：原型引导的分布外3D占用预测
ProOOD: Prototype-Guided Out-of-Distribution 3D Occupancy Prediction
面向自动驾驶3D占用预测的免训练OOD打分（局部logit一致性与局部/全局原型匹配融合）与原型引导的尾部类挖掘，可直接迁移到其他密集预测任务的异常检测与长尾校准中。
面向长尾识别的混淆感知谱正则化器
Confusion-Aware Spectral Regularizer for Long-Tailed Recognition
把混淆矩阵的谱范数当作可微正则项来压低类间混淆，为长尾分类中「最差类精度」这一可靠性指标提供了有理论上界支撑的训练手段，可直接嵌入现有长尾训练流程。