Tag · 7 篇
频域分析
透过频率之镜：基于自适应调制的跨域泛化视线估计
Through the Frequency Lens: Cross-Domain Generalisable Gaze Estimation with Adaptive Modulation
把图像分解到频域、用可学习调制图抑制样本级干扰频段并做频谱分布多样化，这套频域自适应调制思路可直接迁移到其他对域偏移敏感的人脸/人体回归任务（如头部姿态、面部关键点）的域泛化训练中。
穿透噪声：从噪声抑制视角改进红外小目标检测与分割
Seeing Through the Noise: Improving Infrared Small Target Detection and Segmentation from Noise Suppression Perspective
把频域低通/高通分解引入 FPN：用低频引导的高频分量净化来抑制噪声特征，并用螺旋采样替代规则网格采样做特征融合，可直接插到现有红外小目标检测/分割骨干上降低虚警。
重访多模态 KV 缓存压缩：一种频域引导的离群 KV 感知方法
Revisiting Multimodal KV Cache Compression: A Frequency-Domain-Guided Outlier-KV-Aware Approach
对做多模态大模型视觉侧推理的人来说，这篇给出了一个绕开注意力分数、直接对 KV 矩阵做频域主成分建模来识别并保留离群 KV 的压缩思路，且与 FlashAttention 等高效注意力核兼容，可直接用于视觉 token 极长的多图/视频输入场景降低解码延迟与显存。
频率感知亲和力用于弱监督语义分割
Frequency-Aware Affinity for Weakly Supervised Semantic Segmentation
利用频域分解（低频语义对齐、高频边界修正）生成更完整的亲和力矩阵，并通过最优传输直接生成高质量 CAM，可复用于其他弱监督定位任务（如弱监督目标检测、点监督分割）。
FORCE：通过特征过度依赖校正实现可迁移的视觉越狱攻击
FORCE: Transferable Visual Jailbreaking Attacks via Feature Over-Reliance CorrEction
对做多模态大模型红队与安全评测的人，这篇给出了一个可复用的攻击优化思路：用损失景观平坦化（类似 sharpness-aware 优化）加频域语义重加权，把视觉对抗扰动从高曲率窄区域推向平坦可行域，从而提升跨模型迁移性；这套「平坦化+频域重标定」也可迁移到对抗样本迁移性、模型鲁棒性诊断等视觉安全问题。
DyFCLT：面向多模态小目标检测的动态频率解耦跨模态学习 Transformer
DyFCLT: Dynamic Frequency-Decoupled Cross-Modal Learning Transformer for Multimodal Tiny Object Detection
把频域子带解耦后做跨模态注意力，为 RGBT 小目标检测提供了一条可复用的思路：按频率成分而非空间位置对齐模态，可直接迁移到其他多模态密集预测任务。
BiGain：面向生成与分类联合任务的统一词元压缩
BiGain: Unified Token Compression for Joint Generation and Classification
对做扩散模型加速的人，这篇给出了一个免训练、即插即用的词元压缩方案：用拉普拉斯门控的词元合并保留高频边缘纹理，用最近邻与平均池化之间的可控内插外推来压缩 KV，从而在同等加速比下同时保住生成质量与判别能力，可直接套用到 DiT/U-Net 骨干的推理管线中。