陈奕昆的博客

DEIM框架突破DETR目标检测模型的训练效率瓶颈，通过密集O2O匹配和监督信号自适应加权，实现训练时间减半且性能提升1.4-2.5%AP。该即插即用方案兼容主流DETR架构，在自动驾驶、智能监控等场景验证有效，显著提升小目标检测率15%，推理速度保持110FPS以上。研究为实时视觉系统提供了高效训练范式，代码已开源，支持快速工业部署。

本文介绍了IPC-Dehaze，一种创新的图像去雾方法，通过迭代预测-评判框架和码本解码机制，有效解决了现有去雾算法在复杂场景下的性能瓶颈。该方法在多个基准测试中取得了SOTA性能，尤其在非均匀雾霭、色彩失真和低光照条件下表现出色。IPC-Dehaze采用编码器-解码器架构，包含特征提取编码器、迭代预测器和评判解码器，通过多次迭代逐步优化去雾结果。实验结果表明，该方法在处理复杂雾霭条件下表现出色，未来工作将探索在视频去雾和实时应用中的扩展。应用场景包括自动驾驶、遥感与卫星成像、监控系统、无人机巡检和影视后期

LFP通过光照场先验与轻量级神经隐式表征的结合，首次实现了“单图输入→高质量多视角合成”的高效推理，在真实感、泛化能力和计算效率上达到新平衡。其“先验知识+轻量模型”的设计思路，为资源受限场景下的视觉合成提供了可复用的方法论。随着AR/VR、自动驾驶等领域对实时视图合成的需求激增，LFP有望成为下一代智能视觉系统的核心组件，推动神经渲染技术从“实验室原型”走向“规模化应用”。参考资料从技术原理到落地应用全面解析了最新视图合成技术。

Pose2ID通过特征中心化理念，打破了“依赖大规模训练数据”的传统范式，证明通过合理的特征聚合与生成增强，无需重新训练即可显著提升身份表示能力。其在跨模态、遮挡场景的卓越表现，为复杂现实环境中的行人重识别提供了通用解决方案。随着生成模型与无训练技术的结合深化，未来可期待更高效、泛化的视觉识别系统，推动智能安防、人机交互等领域的跨越式发展。

MonSter通过单目深度与立体匹配的深度协同，首次实现了对不适定区域的系统性优化，在精度与泛化能力上达到了新高度。其“双向引导+迭代优化”的设计思路，为多模态融合提供了可复用的方法论。随着自动驾驶、元宇宙等领域对高精度深度感知的需求激增，MonSter有望成为下一代视觉感知系统的核心组件，推动立体视觉从“有限场景可用”走向“全场景鲁棒”。参考资料。

UniAct通过通用动作空间打破了具身智能的“数据孤岛”，在轻量化、跨实体泛化和快速适配方面实现了三大突破。其0.5B模型超越14倍参数SOTA的表现，证明了“结构创新”比“单纯堆参”更高效。多模态融合：结合触觉、听觉等更多传感器数据，增强复杂环境下的动作决策能力。终身学习：支持机器人在运行中持续学习新动作，构建动态更新的通用动作码本。边缘部署：针对Jetson等嵌入式平台优化模型架构，实现“端云协同”的实时控制。

MobileMamba作为一种轻量级多感受野视觉Mamba网络，通过引入多感受野结构和轻量级设计策略，在多个视觉任务中取得了优异的性能。其在资源受限环境下的优势使其具有广泛的应用前景。随着技术的不断发展，相信MobileMamba将在更多领域发挥重要作用。

MambaVision作为一种创新的混合视觉骨干网络，通过融合Mamba和Transformer的优势，在多个视觉任务中取得了优异的成绩。其分层架构和高效的特征建模能力，为计算机视觉领域带来了新的解决方案。随着研究的不断深入和应用的拓展，相信MambaVision将在更多领域发挥重要作用，推动视觉技术的进一步发展。

2步采样：在LOL-v1数据集上，PSNR达27.32，SSIM达0.865，性能接近传统方法20步采样结果，推理速度提升10倍以上；8步采样：在10个基准数据集（LOL/SICE/MEF等）上刷新SOTA，PSNR平均提升1.2-2.5dB，LPIPS降低15%-20%（见表1）。ReDDiT通过反射率感知的轨迹优化，首次在2步采样下实现可用性能，8步采样刷新SOTA，打破了扩散模型在低光增强中的效率瓶颈。视频级增强：扩展至视频序列，解决帧间一致性问题；跨模态融合。

HVI颜色空间与CIDNet网络通过解耦颜色与亮度处理，突破了传统低光增强的噪声与色彩平衡难题，在10+数据集上刷新SOTA。视频级低光增强：扩展至视频序列处理，解决帧间一致性问题；轻量化部署：针对移动端优化模型结构，实现端侧实时增强；多模态融合：结合红外、深度等信息，构建跨模态低光增强框架。随着AIGC与影像处理的深度融合，HVI技术有望成为下一代低光视觉解决方案的核心引擎，为智能终端、安防、医疗等领域提供更可靠的视觉基础。

本文提出的**视频级混合增强（VB）和时空适配器（StA）**技术，首次将FFD伪影引入数据合成，并通过轻量级架构实现高效时空特征融合，在跨域检测中展现出卓越泛化能力。多模态融合：结合音频、文本信息进一步提升检测鲁棒性；轻量化部署：适配移动端设备，支持实时视频流检测；对抗攻防：针对更高级的动态伪造技术（如时序一致化生成模型）优化算法。论文代码预计在CVPR 2025开源，相关技术已在腾讯优图实验室等机构落地，为构建可信数字内容生态提供了关键技术支撑。

在低光成像领域，如何有效利用事件相机的独特优势提升图像质量一直是研究热点。本文聚焦中科大团队发表于CVPR 2025的论文《Low-light image enhancement using event-based illumination estimation》，深入解析其提出的RETINEV框架。该方法通过事件相机的“时间映射事件”估计光照，结合Retinex理论实现低光图像的高质量增强，为低光视觉任务提供了全新的技术路径。