TIP 2025 | 基于概念引导学习的通用细粒度视觉分类

最新推荐文章于 2025-08-08 19:31:56 发布
最新推荐文章于 2025-08-08 19:31:56 发布
阅读量245 收藏
点赞数 5
CC 4.0 BY-SA版权
分类专栏： 计算机顶会顶刊论文解读 文章标签： 分类 人工智能 深度学习 TIP 论文解读 计算机顶刊
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_42722197/article/details/145401473

论文信息

Universal Fine-Grained Visual Categorization by Concept Guided Learning
基于概念引导学习的通用细粒度视觉分类
作者：Qi Bi, Beichen Zhou, Wei Ji, Gui-Song Xia
源码：https://github.com/BiQIWHU/CGL

论文创新点

  1. 概念引导学习框架（CGL）：论文提出了一个概念引导学习（CGL）框架，用于通用细粒度视觉分类（FGVC）。该框架通过将细粒度类别的概念建模为继承性概念和判别性概念的组合，摒弃了传统的部分驱动范式，转而采用概念驱动的方法。
  2. 细粒度土地覆盖分类数据集（FGLCD）：为了弥补现有FGVC数据集在场景中心和不利视角下的不足，作者提出了一个细粒度土地覆盖分类数据集（FGLCD）。该数据集包含
了解本专栏 订阅专栏 解锁全文
TIP 2025 | 基于可匹配关键点辅助的图神经网络学习特征匹配
小白学视觉
04-14 370
准确地匹配两幅图像中对应同一3D场景的局部特征是一项具有挑战性的计算机视觉任务。以往的研究通常使用基于注意力的图神经网络（GNN），在图像内/图像间的关键点上构建全连接图，进行视觉和几何信息的推理。然而，在局部特征匹配的背景下，由于遮挡和检测器失效等因素，大量关键点是不可重复的，因此与这些关键点的连接不仅引入了冗余，导致效率受限（计算复杂度与关键点数量的平方成正比），还会干扰表示聚合过程，导致精度受限。
TPAMI 2024 | 基于身份引导协同学习的更换衣物行人再识别
小白学视觉
07-06 277
更换衣物行人再识别 (ReID) 是一个新兴的研究课题，旨在解决由于更换衣物和行人视角/姿势变化导致的特征变化问题。虽然通过引入额外的信息（例如人类轮廓素描信息、人类身体关键点和3D人类信息）取得了显著进展，但更换衣物行人再识别仍然具有挑战性，因为行人的外观表示随时可能发生变化。此外，人类语义信息和行人身份信息尚未得到充分利用。为了解决这些问题，我们提出了一种新颖的基于身份引导的协同学习方案 (IGCL) 用于更换衣物行人再识别，其中人类语义被有效利用且身份保持不变以引导协同学习。
AAAI2024最佳解读|Concept-Guided Prompt Learning for Generalization in Vision-Language Models
haimianxiaobao11的博客
02-28 265
本文提出了一种新的方法——概念引导的提示学习（CPL），旨在提高视觉语言模型（VLMs）在泛化任务中的表现。尽管对比语言-图像预训练（CLIP）模型在文本与图像之间建立跨模态连接方面表现出色，但现有的微调方法（如CoOp和CoCoOp）在某些细粒度数据集上的表现仍然较低。研究表明，原因在于这些方法仅将全局特征投影到提示中，忽视了颜色、形状和大小等可跨领域转移的视觉概念。为了解决这一问题，CPL利用CLIP的知识创建视觉概念缓存，以实现概念引导的提示。
基于深度学习模型的花卉图像分类代码_资源 | 最新的细粒度图像分析资源
weixin_42548961的博客
01-08 976
引言细粒度图像，相对通用图像（general/generic images）的区别和难点在于其图像所属类别的粒度更为精细，也是目前计算机视觉领域比较热门的一个方向，包括了分类、检索以及图片生成方向。细粒度图像类别的数据集也是越来越多，最早的时候，2011年左右的时候，基准的数据集就是花卉、鸟类（CUB200)以及猫狗数据集，并且数据量最多的狗类数据集是 2 万张图片左右，而现在数据集更多，涉及到更...
论文阅读|CVPR 2025|视觉语言模型|MMRL: Multi-Modal Representation Learning for Vision-Language Models
2401_89384928的博客
05-17 1019
通过线性映射生成图像 / 文本表示标记（Rv/Rt），集成于编码器高层（第 J 层起）。（如 MMA）虽引入多模态交互，但仅优化类别标记特征，缺乏对任务特定表示的显式建模。（如 CoOp）仅优化文本提示或浅层特征，以文本为中心且易干扰预训练的通用知识。过拟合问题：微调 VLMs 大规模参数需大量计算资源，且在少样本下易过拟合，意义：分离 “适配” 与 “泛化” 目标，动态选择特征增强新任务泛化。多模态交互不足：现有方法未充分利用图像与文本的深层协同，冻结并通过余弦正则化对齐预训练特征，保留泛化能力。
TPAMI 2025 | JM3D & JM3D-LLM：通过联合多模态线索提升3D表示学习
小白学视觉
03-15 125
3D表示学习在计算机视觉、自动驾驶和机器人技术中的重要性日益凸显。然而，当前的主流方法直接将2D对齐策略迁移到3D领域，面临三个主要挑战：(1)信息退化：3D数据与单视角2D图像和通用文本对齐时，忽略了多视角图像和细粒度子类别文本的需求；(2)协同不足：这些策略分别将3D表示与图像和文本特征对齐，阻碍了3D模型的整体优化；(3)利用不足：学习到的表示中的细粒度信息往往未被充分利用，导致细节丢失。为了解决这些问题，我们提出了JM3D，一种综合点云、文本和图像的多模态方法。关键贡献包括。
R Talk | 旷视南京研究院魏秀参：细粒度图像分析综述
旷视开发者技术社区
06-27 1012
「R Talk 」是旷视研究院推出的一个深度学习专栏，将通过不定期的推送展示旷视研究院的学术分享及阶段性技术成果。「R」是 Research 的缩写，也是旷视研究院的内部...
北京大学 | 基于多模态大语言模型的可解释图像篡改检测定位
AIGC Studio：分享AIGC前沿知识和好玩应用，公众号同名。
10-15 1372
视觉信息智能学习实验室（VILLA）由张健助理教授于2019年创立并负责，主要围绕“智能可控图像生成”这一前沿领域，深入开展高效图像重建、可控图像生成和精准图像编辑三个关键方向的研究。创立至今已在Nature子刊Communications Engineering、TPAMI、TIP、IJCV、SPM、CVPR、NeurIPS、ICCV、ICLR等高水平国际期刊和会议上发表论文90余篇。
集智书童 | 北京大学 | 基于多模态大语言模型的可解释图像篡改检测定位 ！
csdn_xmj的博客
10-18 883
随着生成式AI技术的快速发展，图像伪造和篡改变得越来越普遍，在真实性与安全性方面带来挑战。传统的图像伪造检测与定位（IFDL）方法存在检测原理未知和泛化性较差等问题。
医图论文 TIP‘25 | EviPrompt: 一种无需训练的医学图像分割提示生成方法
小白学视觉
04-07 430
医学图像分割在临床应用中是一项关键任务。最近，Segment Anything Model (SAM) 在自然图像分割中展示了潜力。然而，SAM 在医学图像中的应用面临两个主要挑战：一是需要专家提供提示，二是自然图像与医学图像之间的领域差距。为了解决这些问题，本文提出了一种名为EviPrompt的新型提示生成方法。该方法仅需单个参考图像-标注对，无需训练，显著减少了对大量标注和计算资源的需求。首先，基于参考图像和目标图像特征的相似性自动生成提示，并引入证据学习以提高可靠性。
18day-人工智能-机器学习-分类算法-朴素贝叶斯分类
2401_87710133的博客
08-05 559
我们看到贝叶斯是不是能想到这种方式是通过算概率的方式对样本进行分类的，算概率的方式也是能对样本进行分类的，朴素贝叶斯算那种标参形数据要比连续性数据要准确的多。认识朴素贝叶斯前我们先学习贝叶斯理论。假设现在我们有一个数据集，它由两类数据组成，数据分布如下图所示：我们现在用p1(x,y)表示类别1(图中红色圆点)的概率，用p2(x,y)类别2(图中蓝色三角)的概率，那么对于一个新数据点(x,y)，可以用下面的规则来判断它的类别：如果p1(x,y)>p2(x,y)，那么类别为1如果p1(x,y)<p2(x,y)，
Linux常用命令分类总结
Youngist的博客
08-03 1269
本文介绍了Linux常用命令，包括文件与目录操作、权限管理，文本处理，进程管理等。
17day-人工智能-机器学习-分类算法-KNN
2401_87710133的博客
08-05 857
knn算法全名叫做k-近邻算法（K-Nearest Neighbors，简称KNN），看到名字是不是能想到是算距离的，第一个k是指超参数的意思，就是可以认为设置的意思，这里是指最近的k个样本。
供电架构之供电构型分类
weixin_63006261的博客
08-08 780
一块单板常常涉及多种电源，常见的如5V，3.3V，2.5V，1.8V，1.5V，1.2V，1.0V，0.9V，0.75V等，如此多种类的电源不可能都直接通过背板从电源获得，一般，单板仅有一种或两种输入电源，再由他们产生单板器件上所需要的电源。一、电源架构常用的电源架构有两种：集中式电源架构（CPA）和分布式电源架构（DPA）。集中式电源架构：指系统由一个独立电源供电，并由这个独立电源直接变换得到单板所需要的各种电源。
[机器学习]04-基于K近邻(KNN)的鸢尾花数据集分类
Caveira271_的博客
08-07 480
基于k近邻(KNN)密度估计计算概率密度并求最大后验概率类别进行分类
范数的定义、分类与 MATLAB 应用实践
小黄人的博客
08-07 863
本文系统介绍了范数的定义、分类与应用。范数是向量空间或矩阵空间中的度量工具，满足非负性、齐次性和三角不等式。向量范数包括常见的L_p范数（如L1曼哈顿距离、L2欧几里得范数、L∞切比雪夫距离）及加权范数等。矩阵范数分为诱导范数（如谱范数）、元素范数（如Frobenius范数）和核范数等。范数在机器学习正则化、数值分析、控制理论和信号处理等领域有广泛应用。文章还提供了MATLAB计算各类范数的代码示例，包括向量范数、矩阵范数及其在条件数计算中的应用。
数据结构---二叉树（概念、特点、分类、特性、读取顺序、例题）、gdb调试指令、时间复杂度（概念、大O符号法、分类）
最新发布
2403_89873515的博客
08-08 833
树是 n(n >= 0) 个结点的有限集合。若 n=0 ，为空树。在任意一个中：1）有且仅有一个特定的根结点；2）当 n>1 时，其余结点可分为 m 个互不相交的有限集合T1、T2......Tm，其中每一个集合又是一个树，并且称为子树。
【遥感图像入门】近三年遥感图像建筑物细粒度分类技术一览
智能守恒_HengAI
08-07 1024
模型轻量化与高效化（如RSMamba、UFE框架）；监督范式革新（弱监督、自监督与多模态预训练）；上下文与结构化建模（MEET数据集、CAT模型）。开源资源方面，MFBFS、MEET等数据集覆盖从结构到功能的多维度标注，UB-FineNet、RSMamba等框架提供完整工具链。建议研究者结合具体场景选择预训练模型微调，并关注CVPR/ECCV等顶会的最新方法（如“悟瞳”模型、SkySense-O）以获取前沿技术。
[机器学习]03-基于核密度估计(KDE)的鸢尾花数据集分类
Caveira271_的博客
08-07 628
基于核密度实现概率密度估计并计算后验概率的分类器
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小白学视觉

您的赞赏是我们坚持下去的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值