LatticeRank:用于原生网格三维医学图像分割的间距排序一致性方法
LatticeRank 是一种仅用于训练的框架,通过按体素间距顺序分配一致性监督,使模型在保持单次前向推理的同时适应可变体素间距。该方法在 MSD Task04 任务上,将粗网格 Extra Dice 较平均一致性提升 0.03436,并满足预指定的参考网格非劣性标准。研究指出,网格暴露提供最大恢复增益,而间距排序分配实现了最强的原生网格结果。
LatticeRank 是一种仅用于训练的框架,通过按体素间距顺序分配一致性监督,使模型在保持单次前向推理的同时适应可变体素间距。该方法在 MSD Task04 任务上,将粗网格 Extra Dice 较平均一致性提升 0.03436,并满足预指定的参考网格非劣性标准。研究指出,网格暴露提供最大恢复增益,而间距排序分配实现了最强的原生网格结果。
针对片状模塑料(SMC)制造中缺乏大规模准确标注数据集的问题,本文提出了一种工艺感知的逼真数字孪生系统。该系统通过刚体仿真复现沉积运动学,并利用物理基础的偏振渲染模型生成真实外观,从而提供包含定向边界框、点标注、密度图及偏振渲染的精确同步标签。
针对等距圆柱投影全景图在畸变与接缝处的挑战,该方法提出融合观测可靠性、球面重叠及角距离的两阶段框架。实验基于包含 340 张高分辨率全景图的自建数据集(10,571 个节点),相比基线在匹配视图下 PQ 提升 36.03%,mR@50 分别提升 11.20% 和 52.99%。该成果已提交至 ICASSP 2027,展示了球面几何对全景场景图生成的价值。
该论文揭示了现有3D视觉语言模型基准中过度依赖边界框提示导致的语义泄露问题。作者提出基于点的提示协议,证明在仅用单点坐标时盲LLM性能显著下降,从而验证了视觉信息的重要性。
论文提出一种端到端可微分框架,用于联合设计复杂相机系统与下游感知任务。该方法通过3D高斯溅射重建真实世界捕获的场景,提供可微分的图像形成过程,从而在先前方法无法处理的参数空间中进行基于梯度的优化。
MedGemma 模型在三组医学数据集上揭示了渐进式图像证据损失导致的“海市蜃楼”现象,其边界后行为异质性包含直接幻觉等模式。残差流探针能以 0.895 至 0.994 的 AUROC 精准解码模型在边界的承诺或放弃行为。该研究为部分观测下的可靠医学基础模型评估提供了基于证据边界的框架与改进机制。
该方法利用重尾椭圆分布与边缘偏差,在 Indian Pines、Kennedy Space Center、Pavia University 和 Salinas 三个基准的全景测试中实现了最高整体准确率。作为首个完全无监督方案,其性能超越了现有 Mumford-Shah 基线模型及同类方法。相关代码与论文已上传至 arXiv (2610.27958)。
PRAISE 提出一种面向 VLM 的重识别测试时适应框架,利用属性提示库构建属性条件子空间以重塑查询与图库间的亲和度。该方法在多个 I2I 和 T2I-ReID 基准上持续改进检索骨干网性能,且优于通用及重识别专用的测试时适应基线。
ICIBS 通过在网络中整合额外的空间与地理空间上下文信息,解决了温带冰川因高含水量导致的雷达信号散射和衰减问题。该方法在 IceAnatomy 基准数据集上实现最先进性能,FAU 子集平均误差为 10.9 米,CReSIS 子集为 43.4 米。在新推出的巴塔哥尼亚考察数据上,模型泛化能力优于基线 49.6%,代码与数据集已公开。
S$^3$E-Det 提出严格空谱等变机制,通过 SOSC、CDEF 与 GAH 模块解决多光谱检测中的几何变化与顺序保持难题。该方法在 MODA、HOD3K 及 DroneVehicle 数据集上实现了高精度与小参数量的平衡,并显著降低了旋转诱导的变异。代码已公开于 GitHub,论文预印本发布于 arXiv。
该方法针对现有深度展开框架在高光谱数据匹配不足的问题,提出两阶段流形学习策略以获取无退化结构先验。通过引入先验引导的光谱权重机制自适应调节波段,并利用流形指导的 Mamba 模块高效提取全局空间 - 光谱特征。在合成与真实数据集上的定量及视觉对比显示,该方法显著优于现有最先进方法且保持框架可解释性,代码已开源。
该研究提出一种面向智能驾驶的代理中心物理感知框架,从 NGSIM US-101、highD 和 exiD 等多源数据中发现了自适应均衡响应模型(AERM)。在包含上海自然主义驾驶数据的七种经典跟车模型基准测试中,经轨迹特定校准的 AERM 将间距均方根误差分别降低 9.11%、7.59% 和 21.73%,展现了优于最强基线的拟合灵活性与可解释性。
该论文提出了 GARRET 框架,利用 (页面,问题,答案) 三元组通过可微生成反馈训练区域级检索器,解决了现有方法依赖昂贵标注或噪声标签的问题。该方法共享上下文保持的检索器生成多向量表示,辅助视觉语言模型在推理阶段被移除,仅保留紧凑的页面表示。
SmaGla-FPAD 数据库利用 Ray-Ban Meta Wayfarer Smart Glasses 采集了室内、室外及车内场景下共 297,000 张包含真人与硅胶面具攻击的图像。提出的 DeCoupPAD-FAS++ 框架通过解耦表示学习,在域内与跨场景评估中实现了攻击拒绝率与真人接受率的最佳平衡。消融实验证实了该框架在智能眼镜采集条件下对分离、伪域监督及提示正则化的贡献。
该方法为 Vanilla NeRF 增加基于自监督跨射线一致性的几何优化分支,无需真值深度或法线监督即可约束隐式几何。在 Replica 场景的八组实验中,相比原版将平均 Chamfer 距离降低了 30.8%。该预印本论文已公开于 arXiv,代码与权重开放许可状态待注册确认。
针对室内环境下毫米波雷达因反射重叠或信息缺失导致的人体姿态估计难题,本文提出 I2R-Pose 框架。该框架包含两个阶段:首先利用时序关系和骨骼结构学习关节特征以生成初始姿态序列;随后通过独立提取的观测特征预测位置修正量进行精细化优化。研究构建了 RaMoS-Pose 数据集并验证了方法在融合输入下的有效性,相比现有最佳方法分别降低了 39.50% 和 15.13% 的平均每关节位置误差。
CSIF-Net 通过频率分解与交叉注意力模块实现通道级选择性交互,在 OGSOD 1.0 和 M4-SAR 数据集上分别将水平及定向目标检测性能提升 4.01% 和 3.18%,优于现有方法。该网络利用双分支融合机制分离共享特征与模态特异性信息,有效抑制光 -SAR 跨模态差异带来的冗余或冲突特征干扰。
论文提出 RLSplat 框架,解决现有前馈 3D 高斯泼溅(FF3DGS)方法在调整高斯数量时推理成本不随预算降低的问题。该方法通过学习高斯分配策略与资源线性解码机制,使表示大小、推理延迟和显存峰值均随预算减少而线性下降。
论文提出 VEOcc++ 统一框架,利用持久稀疏体素特征图连接探索阶段的在线增量映射与后续的全局地图优化。该方法在 EmbodiedOcc-ScanNet 数据集上实现 67.12% IoU 和 58.40% mIoU,刷新在线增量映射 SOTA;离线优化阶段进一步提升至 67.79% IoU 和 59.37% mIoU。研究展示了在移动机器人上的零样本部署能力与大规模室内建图的可扩展性。
推荐理由:该工作提出统一框架,通过持久稀疏体素特征图连接在线增量映射与离线全局优化,在 EmbodiedOcc-ScanNet 上刷新 SOTA。
论文提出 PanoGraphGS 框架,将全景 3D 高斯表示学习与分层 3D 场景图构建相结合,在共享几何上学习语义与实例特征以支持跨视角一致预测。该方法恢复包含关系的空间层级结构,并在 Replica 和 NaviGS 数据集上实现对象节点识别准确率提升超 50 个百分点及领先的 2D 全景分割性能。
推荐理由:该工作提出统一框架融合全景分割与分层场景图,并开源新数据集,在对象节点识别与2D全景分割上均优于基线。
该研究提出用佩戴在采集者头上的单目自眼相机($122)替代手腕相机、姿态追踪器及多路数据流,配合贴有标签的无电子手套($22)和纸砖标记。实验显示该方法对机器人编码器标定的中位误差为 6.5mm 和 1.6 度,帧覆盖率 93%-100%;基于此训练的策略验证损失仅比编码器策略高 3%。
推荐理由:单目头显相机替代手腕设备,配合无电子手套实现低成本高精度抓取,演示了从遥操作到自主执行的迁移效果。
针对激光雷达 3D 目标检测在点云受污染时的鲁棒性与资源效率难以兼顾的问题,该方法通过构建模拟极端天气的受损样本进行离线训练,利用七种异构检测器评估扰动敏感性并优先学习难例;同时结合离线路径密度测量优化采样阶段处理点数。
EchoNav 是一种结合时序聚合与占用补全的框架,通过冻结 VGGT-Omega 特征并融合历史残差提议来预测局部地图,无需深度或相机位姿输入。该模型在仿真序列双目标导航中达到 89.6% 成功率(基线为 57.1%),在轮式机器人 20 个场景的 60 次试验中达到 73.3% 成功率(基线为 33.3%)。论文还展示了四足和双足机器人的演示,代码与数据暂不可用。
arXiv 论文提出 Diffusion for Anatomical Reshaping with Text (DART),该方法从分割概率中学习共享形状表示,利用解剖描述修正概率而无需输入医学图像。
HiQGS 提出一种基于分层时空查询的框架,通过分层时空编码器按图像位置、观测时间和相机姿态组织特征,利用时间自适应解码器检索相关证据以预测高斯场景状态。该方法在静态与动态场景重建基准上展现出优异的渲染质量与几何精度,验证了分层视觉编码及目标时刻感知查询的有效性。
该论文提出一种面向单目视频的因果 4D 视觉几何学习框架。核心是 Causal Spatiotemporal Mamba,通过方向性状态传播和互补的时空扫描增强时序聚合;同时引入 Unified Motion Supervision,利用相机与深度头的预测构建统一前向运动场以约束帧间状态过渡。
该论文提出一种基于正交残差学习的自适应侧偏和转向刚度估计方法,旨在解决轮胎变化时模型校正与滤波器创新竞争的问题。研究通过传播预测测量的刚度敏感性并构建与之正交的校正器,在整车仿真中使侧滑误差降低 12.7% 至 22.0%,并在真实车辆数据上验证了其对名义刚度偏移的鲁棒性。材料为预印本论文,已提交至 Vehicle System Dynamics。
推荐理由:提出正交残差学习框架,在保持侧偏刚度估计能力的同时抑制模型修正干扰。
该研究针对现有深度学习标定方法因训练数据外参单一而导致的过拟合与泛化差问题,提出 SynCalib 框架。该方法利用标注有深度真值的全景图像数据集,在严格的外参约束下合成多模态标定数据。
Zero-shot composed image retrieval (ZS-CIR) 任务中,Less-is-More CIR 提出无需训练的两阶段框架,首阶段生成仅保留判别性修改语义的简洁目标导向描述以降噪。第二阶段的评论重排序模块从修改一致性与参考保持角度评估候选项。实验证明该方法在 ZS-CIR 任务上有效且鲁棒,代码已开源。
OmniVLoc 提出一种基于拓扑度量框架的全景视觉定位系统,通过融合全球地物识别与单目深度估计解决传统系统在场景变化下的鲁棒性问题。该系统利用尺度感知位姿图求解与球面束调整精确恢复度量级位姿,并设计分层验证机制过滤错误输出。研究团队将在论文发表时公开源代码与数据集以回馈社区。
论文提出 CVG-SGM 方法,通过几何加权的跨节点交互与共享节点 GRU 记忆机制,解决物体在遮挡载体内消失后重新出现时的身份重连问题。该方法在单载体单身份受控设置下达到 1.000 的重连准确率,优于无记忆和无写入基线;在真实 RGB-D/SAM2 特征级数据上正确重连了全部 36 个保留检测样本。
推荐理由:论文提出利用历史节点恢复机制解决物体在遮挡载体内消失后的身份重连问题,在受控实验与真实数据上均优于无记忆基线。
FocusOVD 在不修改冻结视觉语言模型主干的前提下,通过跨尺度特征融合、残差风车门控卷积及残差卷积门控线性单元模块,显著提升了小物体表征能力。
论文提出 TokenFlow 框架,将每个形状表示为潜变量 token 集合,通过校正流匹配耦合 token 与点的条件流,在保持置换等变性的同时兼顾部件布局与表面细节。实验显示该方法在 ShapeNet 数据集的飞机、汽车和椅子类别上取得最佳 MMD 和覆盖率,1-NNA 指标接近最强基线;在 ModelNet 上的潜变量集合达到已报道的最佳线性评估精度。
针对深度学习点云去噪方法在真实场景中因噪声分布偏离训练集而性能下降的问题,本文提出一种无需额外监督或重新训练的测试时自适应(TTAD)框架。该框架利用预训练模型和测试时的噪声点云作为输入,首先通过残差驱动噪声建模模块估计样本特定的噪声分布,随后设计噪声感知对比适应模块构建样本特定的噪声 - 更噪测试对,并通过对比学习在测试时对模型参数进行更新。
针对 GNSS 不可靠场景,该方法将旋转雷达测量与俯瞰 RGB 影像(如卫星图)进行对齐以实现定位。系统利用掩码重建预训练的雷达表征,结合由雷达里程计传播候选位姿的观察模型提供似然度评估。研究在涵盖城市与非路面的 8 个数据集、31 条不同路线上仅使用地面雷达和粗略局部先验进行了验证,并考察了跨越 13 个月期间天气变化下的鲁棒性。
该论文研究了点云配准中最大团(Maximum Clique)与最大共识(Maximum Consensus)两种公式的关系,指出前者在固定容差下可能存在任意大的对齐误差且集合规模更大。
论文研究了预训练语言模型在不需成对图文数据或提示工程的情况下作为视觉训练轻量级辅助监督的可行性。评估涵盖六种泛化范式,发现显性引导在分布内、低数据和持续学习保留上表现稳定,隐性引导则在抗捷径与强对抗扰动时更有效。两者均参数开销小,为利用跨模态预训练模型提供实践路线图。
Leaf Jiang 在 Jetson AGX Orin 上对九种主流深度估计模型进行了基准测试,涵盖单目(Depth Anything V2/3、Depth Pro、MoGe-2 等)和双目(libSGM、NVIDIA ESS、Fast-FoundationStereo)方法。
论文提出了 MatchCityLoc 框架,旨在解决在无纹理低细节(LoD)城市模型中进行无人机自主导航时的精确姿态估计问题。针对现有方法依赖 2D 轮廓重叠导致几何歧义的挑战,该方法利用零样本基础模型从查询图像中提取表面法线,并与渲染的 LoD 法线进行直接特征匹配以建立明确的 3D 到 2D 对应关系。
该论文提出一种针对 3D Gaussian Slatting 的感知遮挡密度控制方法,修正了传统基于视锥体可见性过滤忽略遮挡的问题。通过限制统计仅计算实际贡献视图并替换归一化器,该方法在遮挡严重场景下显著降低 LPIPS 指标并减少高斯数量。论文已接受发表于 ACCV 2026 口头报告,代码与补充材料随附录提供。