<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Qing__er的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Qing__er</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Qing__er]]></copyright><item><title><![CDATA[红外小目标检测（Infrared Small Target Detection, ISTD）]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147632762</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147632762</guid><author>Qing__er</author><pubDate>Wed, 30 Apr 2025 14:46:47 +0800</pubDate><description><![CDATA[具体方法包括：跨视角通道对齐（Cross-view Channel Alignment, CCA），用于缓解数据集之间的分布差异，实现跨样本对齐；3）背景：红外小目标检测高度依赖于传感器类型、观测条件和目标本身的特性，这些因素容易引起不同数据集之间的分布差异，即所谓的“领域偏移（domain shift）”。这种分布不一致严重影响了现有检测模型在多场景下的泛化能力。5）结果：与现有最先进方法相比，该方法在检测概率（Pd）、虚警率（Fa）和交并比（IoU）等指标上表现更优，展示出更强的跨域鲁棒性与检测精度。]]></description><category></category></item><item><title><![CDATA[图像去雨Cross Paradigm Representation and Alignment Transformer for Image Deraining]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147632683</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147632683</guid><author>Qing__er</author><pubDate>Wed, 30 Apr 2025 14:44:19 +0800</pubDate><description><![CDATA[4）方法：为了解决这一问题，本文提出了CPRAformer，其核心思想是通过层次化表示和对齐，结合空间-通道和全局-局部两个范式的优势，促进图像的有效重建。具体方法包括：在Transformer模块中使用两种自注意力机制：稀疏提示通道自注意力（SPC-SA），增强全局通道依赖性，通过动态稀疏化来提升效果；5）结果：大量实验表明，所提出的CPRAformer在八个基准数据集上达到了最先进的性能，并进一步验证了其在其他图像恢复任务及下游应用中的鲁棒性，展示了其在跨范式动态交互框架中的优势。]]></description><category></category></item><item><title><![CDATA[图像恢复RouteWinFormer: A Route-Window Transformer for Middle-range Attention in Image Restoration]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147632641</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147632641</guid><author>Qing__er</author><pubDate>Wed, 30 Apr 2025 14:42:31 +0800</pubDate><description><![CDATA[4）方法：为了解决计算开销问题，提出RouteWinFormer，一种窗口基的Transformer模型，专注于中等范围的上下文建模。3）背景：近年来，Transformer模型因其捕捉长距离像素依赖的能力，在图像恢复中受到广泛关注。然而，长距离注意力通常会带来计算开销，而图像退化和上下文通常是局部的，因此长距离注意力在实际应用中并不总是必要的。5）结果：大量实验表明，RouteWinFormer在9个数据集上的多种图像恢复任务中均优于现有最先进的方法，展示了其在图像恢复领域的优越性能。]]></description><category></category></item><item><title><![CDATA[视频质量评估（VQA）]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147555725</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147555725</guid><author>Qing__er</author><pubDate>Sun, 27 Apr 2025 14:16:21 +0800</pubDate><description><![CDATA[4）方法：本文提出了基于Mamba模型的MVQA方法，结合了一种新的统一语义与失真采样（USDS）方法。为了避免双输入带来的计算增加，本文提出了一种使用预定义掩码的融合机制，能够统一进行采样，既捕捉语义信息又保留质量信息，而无需额外的计算开销。5）结果：实验结果表明，提出的MVQA模型在结合USDS方法后，能够实现与现有最先进方法相当的性能，同时速度提高了2倍，所需GPU内存仅为原来的1/5，显示了其在效率和性能上的优越性。1）方向：视频质量评估（VQA）]]></description><category></category></item><item><title><![CDATA[视频摘要ViSMaP: Unsupervised Hour-long Video Summarisation by Meta-Prompting]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147555599</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147555599</guid><author>Qing__er</author><pubDate>Sun, 27 Apr 2025 14:15:32 +0800</pubDate><description><![CDATA[（无监督视频摘要生成的元提示方法），该方法通过大语言模型（LLMs）利用短视频的分段描述来创建长视频的优化伪摘要。伪摘要作为训练数据被用来生成长视频的摘要，从而避免了对长视频进行昂贵注释的需求。3）背景：目前大多数现有的视频理解模型在短视频和预先分割的事件上表现良好，但在处理长时间视频时表现较差，尤其是当相关事件分布稀疏且没有预先分割时。5）结果：实验结果表明，ViSMap在多个数据集上表现优异，生成的摘要效果与完全监督的最先进模型相当，并且能够在跨领域的情况下保持性能，而无需牺牲效果。]]></description><category></category></item><item><title><![CDATA[红外弱小目标检测Motion-Enhanced Nonlocal Similarity Implicit Neural Representation for Infrared Dim and Smal]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147555456</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147555456</guid><author>Qing__er</author><pubDate>Sun, 27 Apr 2025 14:14:36 +0800</pubDate><description><![CDATA[框架，该方法包含以下几个创新点：运动估计：通过光流技术捕捉目标的细微运动；张量分解：基于张量分解的INR模型有效表示非局部图像块张量，从而通过连续神经表示编码背景的低秩性和时空相关性；3）背景：在红外弱小目标检测中，由于动态多帧场景和目标特征微弱，传统的低秩加稀疏模型通常无法有效捕捉动态背景和全局时空相关性，导致背景泄漏或目标丢失，因此，需要更有效的技术来解决这些挑战。5）结果：实验结果表明，所提出的方法能够稳健地从复杂红外背景中分离出弱小目标，并在检测准确性和鲁棒性方面超过了现有最先进的方法。]]></description><category></category></item><item><title><![CDATA[水下目标检测You Sense Only Once Beneath: Ultra-Light Real-Time Underwater Object Detection]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147518315</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147518315</guid><author>Qing__er</author><pubDate>Sat, 26 Apr 2025 11:00:00 +0800</pubDate><description><![CDATA[5）结果：最终构建的YSOOB检测器仅包含1.2M参数，但在URPC2020和DUO两个数据集上分别达到83.1% 和 82.9% 的 mAP50，性能与当前最先进方法相当。在推理速度方面，YSOOB在T4 GPU（TensorRT FP16）和Jetson Xavier NX（TensorRT FP16）设备上的推理速度分别达到781.3 FPS 和 57.8 FPS，分别比YOLOv12-N提高了28.1% 和 22.5%。通过通道压缩和重构大核卷积（RLKC）的方式，减少模型冗余，实现模型轻量化。]]></description><category></category></item><item><title><![CDATA[热成像目标检测]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147518298</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147518298</guid><author>Qing__er</author><pubDate>Sat, 26 Apr 2025 09:30:00 +0800</pubDate><description><![CDATA[此外，研究团队还构建了一个多传感器数据集 IndraEye，包含5,612张图像和145,666个实例，覆盖多角度、多高度、多时间等复杂拍摄场景，用于验证SAGA在无人机图像上的有效性，并支持多模态学习和目标检测、分割任务。5）结果：实验结果表明，SAGA 在与现有最先进领域自适应方法结合使用时，在多个数据集（包括自主驾驶任务和IndraEye数据集）上均带来了 +0.4% 至 +7.6% 的 mAP 提升，显著增强了RGB到IR的适应能力。1）方向：热成像目标检测。2）应用：热成像目标检测。]]></description><category></category></item><item><title><![CDATA[高光谱图像（HSI）分类]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147518274</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147518274</guid><author>Qing__er</author><pubDate>Sat, 26 Apr 2025 09:00:00 +0800</pubDate><description><![CDATA[该框架结合了像素-补丁和全图两种方法的优点，采用将从整张图像切割出的补丁发送到多组Mamba，并结合位置信息来感知空间和光谱域中的局部内联特征。尽管基于选择性状态空间模型（S6）的Mamba架构在长序列建模中具有显著优势，但高光谱数据的独特属性（如高维度和特征内联）使得Mamba架构在此任务中应用时面临挑战。5）结果：通过广泛的实验验证，HS-Mamba在四个基准高光谱数据集上的表现优于现有的最先进方法，证明了其在高光谱图像分类中的优势。2）应用：高光谱图像（HSI）分类。]]></description><category></category></item><item><title><![CDATA[图像超分辨率（Image Super-Resolution, ISR）]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147518222</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147518222</guid><author>Qing__er</author><pubDate>Fri, 25 Apr 2025 17:49:14 +0800</pubDate><description><![CDATA[为了解决这一问题，本文提出了直接语义偏好优化（Direct Semantic Preference Optimization, DSPO）方法，结合语义指导，通过两种策略来实现实例级人类偏好对齐：（a）语义实例对齐策略，确保细粒度感知一致性；因此，引入人类偏好对齐成为提升图像生成质量的重要方向，尤其是在语言模型和文本到图像生成等任务中已有应用。5）结果：实验结果表明，DSPO作为一种即插即用的解决方案，在一阶段和多阶段超分辨率框架中均表现出极高的有效性，显著提升了生成图像的质量和与人类偏好的对齐度。]]></description><category></category></item><item><title><![CDATA[虚拟试穿Shape-Guided Clothing Warping for Virtual Try-On]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147518205</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147518205</guid><author>Qing__er</author><pubDate>Fri, 25 Apr 2025 17:48:32 +0800</pubDate><description><![CDATA[4）方法：为了应对这些挑战，提出了SCW-VTON方法，它通过引入全局形状约束和额外的肢体纹理来增强服装变形的真实性和一致性。形状路径用于捕捉与人体对齐的服装形状，而流动路径则利用服装形状的前后变形映射来指导外观流的估计。3）背景：现有的虚拟试穿方法通常采用薄板样条（TPS）变换或外观流技术来变形服装，以便与人体形状对齐。5）结果：实验结果表明，SCW-VTON在服装形状一致性和细节控制上显著优于现有的最先进方法，无论是在定性还是定量上都有明显的提升。]]></description><category></category></item><item><title><![CDATA[终身人员重识别（Lifelong Person Re-identification, LReID）]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147518171</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147518171</guid><author>Qing__er</author><pubDate>Fri, 25 Apr 2025 17:47:38 +0800</pubDate><description><![CDATA[具体方法包括：基于文本的提示聚合（TPA）：利用文本特征丰富提示元素，指导提示模型学习每个实例的细粒度表示，增强身份信息的区分度，并为领域分布感知奠定基础。基于分布的感知与整合（DAI）：通过专门的专家网络捕捉每个领域的特定分布，并自适应地将它们整合到高维空间中的共享区域，从而促进跨域共享表示学习并减轻灾难性遗忘。知识整合机制（KCM）：包括实例级别的区分和跨域一致性对齐策略，帮助模型自适应学习当前领域的新知识，并促进已获得的领域特定分布之间的知识整合。现有的解决方案分为基于回放的和非回放的方法。]]></description><category></category></item><item><title><![CDATA[水下图像去雾snnTrans-DHZ: A Lightweight Spiking Neural Network Architecture for Underwater Image Dehazing]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147471677</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147471677</guid><author>Qing__er</author><pubDate>Thu, 24 Apr 2025 10:27:18 +0800</pubDate><description><![CDATA[（iii）软图像重建模块，用于生成无雾增强图像。5）结果：在UIEB数据集上，该模型取得了21.68 dB的PSNR和0.8795的SSIM，在EUVP数据集上分别达到23.46 dB和0.8439，表现优于现有先进去雾方法。同时，snnTrans-DHZ模型仅包含约56.7万参数，计算量为7.42 GSOPs，能耗仅为0.0151焦耳，展现出极高的能效比和应用价值。3）背景：由于水下环境中光的散射与吸收会严重影响图像的可视性，因此提高水下图像清晰度成为实现高效海洋视觉操作的关键。2）应用：水下图像去雾。]]></description><category></category></item><item><title><![CDATA[低光照图像增强（Low-Light Image Enhancement, LLIE）]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147471633</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147471633</guid><author>Qing__er</author><pubDate>Thu, 24 Apr 2025 10:25:57 +0800</pubDate><description><![CDATA[4）方法：本文提出一种新颖的、基于图像信号处理（ISP）驱动的数据合成管线。该方法首先将高质量正常光照图像通过反向ISP还原为RAW格式，在RAW域中合成低光退化，并通过白平衡调整、色彩空间转换、色调映射、伽马校正等多个ISP阶段引入可控扰动，生成多样化且真实的配对训练数据。论文作者：Zhihua Wang,Yu Long,Qinghua Lin,Kai Zhang,Yazhu Zhang,Yuming Fang,Li Liu,Xiaochun Cao。]]></description><category></category></item><item><title><![CDATA[视频去模糊Coding-Prior Guided Diffusion Network for Video Deblurring]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147471566</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147471566</guid><author>Qing__er</author><pubDate>Thu, 24 Apr 2025 10:24:44 +0800</pubDate><description><![CDATA[结合了编码先验与生成式先验以实现高质量的视频去模糊。第二阶段是 编码先验控制生成模块（CPC），将编码先验引入预训练的扩散模型中，引导其增强关键区域并合成真实细节，从而提升去模糊效果。3）背景：尽管当前的视频去模糊方法取得了显著进展，但它们通常忽略了两个重要的先验信息来源：（1）视频编解码中生成的运动矢量（MVs）与残差信息（CRs），可作为高效的帧间对齐与纹理线索；5）结果：实验结果显示，CPGDNet 在感知质量方面实现了业界领先的表现，在图像质量评价指标（IQA）上最多提升了30%。]]></description><category></category></item><item><title><![CDATA[遥感中的动态目标检测DiffMOD: Progressive Diffusion Point Denoising for Moving Object Detection in Remote Sensi]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147451331</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147451331</guid><author>Qing__er</author><pubDate>Wed, 23 Apr 2025 14:27:38 +0800</pubDate><description><![CDATA[4）方法：为解决上述挑战，提出了一种基于点云的MOD方法，灵感来源于扩散模型，并将网络优化过程表述为逐步去噪的过程，旨在迭代地从稀疏的噪声点中恢复动态目标的中心位置。现有的基于深度学习的MOD方法通常依赖概率密度估计，但这限制了物体之间以及跨时间帧的信息交互，无法灵活地捕捉物体间和时间上的高阶关系。5）结果：在RsData遥感MOD数据集上的实验结果表明，基于稀疏点去噪的MOD方法能够更有效地探索稀疏动态物体之间的潜在关系，显著提升检测能力和时间一致性。1）方向：遥感中的动态目标检测。]]></description><category></category></item><item><title><![CDATA[空地协同的人体重识别（Aerial-Ground Person Re-Identification, AG-ReID）]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147451221</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147451221</guid><author>Qing__er</author><pubDate>Wed, 23 Apr 2025 14:26:54 +0800</pubDate><description><![CDATA[为进一步增强视角生成能力，设计了视角优化解码器（View-Refine Decoder, VRD），用于生成额外的可控条件，以补全缺失的跨视角特征。然而，设计这种视角鲁棒网络非常困难，且现有方法普遍忽视了视角特异性特征对提升人物表征能力的作用，导致在处理大视角差异时性能受限。5）结果：在多个AG-ReID基准数据集上的广泛实验证明，SD-ReID在处理跨视角人物检索任务中表现优异，验证了其方法在空地多视角特征学习与融合方面的有效性。2）应用：智慧城市监控、空地协同安防、无人机巡逻等场景。]]></description><category></category></item><item><title><![CDATA[文本驱动人物检索（Text-based Person Retrieval, TPR）]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147450981</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147450981</guid><author>Qing__er</author><pubDate>Wed, 23 Apr 2025 14:25:38 +0800</pubDate><description><![CDATA[4）方法：本文提出一种统一的参数高效迁移学习方法——UP-Person，旨在充分迁移CLIP模型中的多模态知识。Adapter 用于调整全局特征表示。3）背景：随着视觉-语言预训练模型（如CLIP）的发展，TPR任务性能取得显著提升，尤其是通过对CLIP模型的全量微调。5）结果：在多个主流人物检索数据集（CUHK-PEDES、ICFG-PEDES 和 RSTPReid）上的实验结果显示，UP-Person在仅微调4.7%的参数的情况下，即可实现当前最优性能，显著优于现有方法，证明了其高效性和有效性。]]></description><category></category></item><item><title><![CDATA[人体重识别LLaVA-ReID: Selective Multi-image Questioner for Interactive Person Re-Identification]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147427342</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147427342</guid><author>Qing__er</author><pubDate>Tue, 22 Apr 2025 17:56:00 +0800</pubDate><description><![CDATA[进一步，作者提出LLaVA-ReID模型，该模型基于图像和文本上下文生成有针对性的问题，以引导用户补充更丰富的目标信息。3）背景：传统的文本描述式人体重识别（text-based ReID）假设目击者能一次性提供完整、清晰的人物描述，但在现实场景中，描述往往是片段化或模糊不清的，这限制了重识别系统的实际效果。5）结果：实验结果表明，LLaVA-ReID在Inter-ReID任务以及传统的文本式ReID基准测试中均显著优于现有基线模型，验证了其在交互式人物识别场景中的有效性与先进性。1）方向：人体重识别。]]></description><category></category></item><item><title><![CDATA[显著目标检测（Salient Object Detection, SOD）]]></title><link>https://blog.youkuaiyun.com/Qing__er/article/details/147427320</link><guid>https://blog.youkuaiyun.com/Qing__er/article/details/147427320</guid><author>Qing__er</author><pubDate>Tue, 22 Apr 2025 17:55:09 +0800</pubDate><description><![CDATA[4）方法：为解决上述问题，提出了“不确定性引导学习”（uncertainty guidance learning）策略，并设计了一种新的不确定性引导细化注意力网络（UGRAN）。不确定性细化注意力模块（URA）：利用从显著性预测图生成的不确定性图，引导模型加强对模糊区域的关注，提升预测图的饱和度与细节表现。5）结果：在七个主流SOD基准数据集上的实验结果表明，UGRAN在精度与细节刻画能力上均显著优于现有先进方法，展现出优越的泛化能力和实际应用潜力。]]></description><category></category></item></channel></rss>