Tag · 3 篇
LoRA微调
分布 底层视觉与图像复原1高效模型与推理加速1视觉语言模型1
01 02 03
白平衡优先，后调整：通过视觉语言模型评估的跨相机颜色恒常性
White-Balance First, Adjust Later: Cross-Camera Color Constancy via Vision-Language Evaluation
将颜色恒常性重新定义为迭代感知反馈问题，利用LoRA微调的VLM评估白平衡后的图像并给出残差色偏方向，替代直接RGB回归，为跨相机颜色恒常性提供新思路。
RADAR：VAR的VQ-VAE解码器是加速退化恢复的好学生
RADAR: VQ-VAE Decoder of VAR is a Good Student for Restoring Against Degradation by Acceleration
针对VAR中跨尺度注意力语义偏置问题，提出语义代价感知的注意力掩码与解码器端LoRA知识蒸馏恢复，为视觉自回归生成提供可复用的加速与保真平衡方案。
HandVQA：诊断并改进视觉语言模型中的手部细粒度空间推理
HandVQA: Diagnosing and Improving Fine-Grained Spatial Reasoning about Hands in Vision-Language Models
对手部细粒度空间推理感兴趣的视觉研究者，可以把 HandVQA 当作诊断工具：用 3D 手部数据集自动生成关节角度、距离、相对位置的多选题，检验 VLM 的几何理解；同时验证了 LoRA 微调后学到的 3D 空间知识能零样本迁移到手势识别与手物交互任务，为「用合成 VQA 注入几何先验」提供了可复用范式。