从AAAI2025中挑选出对目标检测有帮助的文献——第二期

🎯 一、适合用于 Backbone 改进/特征提取增强

1️⃣ Rethinking U-Net: Task-Adaptive Mixture of Skip Connections for Enhanced Medical Image Segmentation

📄 Zichen Luo et al., pp. 5874–5882
关键词：医学图像、特征聚合、可变跳连结构

• 🔍 亮点：提出 Task-Adaptive Skip Connection，能根据任务动态调整浅层与深层特征的融合比例。
• 💡 启发：可在 YOLOv12 backbone 或 PAN 部分借鉴，引入可学习权重的跳连，让不同层特征自动加权融合，提高乳腺组织边界与肿块区域的区分度。
• 📘 方向定位：医学图像 → 特征融合 → 高可迁移性。

---

2️⃣ DreamUHD: Frequency Enhanced Variational Autoencoder for Ultra-High-Definition Image Restoration

📄 Yidi Liu et al., pp. 5712–5720