CVPR2025 | 遥感深度学习方向论文列表合集！

最新推荐文章于 2025-10-14 02:42:11 发布
原创 最新推荐文章于 2025-10-14 02:42:11 发布 · 3k 阅读 · 23 ·
CC 4.0 BY-SA版权
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。
文章标签：

#深度学习 #人工智能 #计算机视觉 #神经网络 #遥感图像 #机器学习 #pytorch

CVPR 2025 论文接收结果目前已公布，博主整理了遥感与深度学习方向的论文列表。

Remote Sensing

Adaptive Rectangular Convolution for Remote Sensing Pansharpening

(用于遥感全色锐化的自适应矩形卷积)
Xueyang Wang, Zhixin Zheng, Jiandong Shao, Yule Duan, Liang-Jian Deng

题目：Adaptive Rectangular Convolution for Remote Sensing Pansharpening

会议：Conference on Computer Vision and Pattern Recognition 2025

论文：https://arxiv.org/abs/2503.00467

代码：https://github.com/WangXueyang-uestc/ARConv

年份：2025

AeroGen: Enhancing Remote Sensing Object Detection with Diffusion-Driven Data Generation

(AeroGen: 通过扩散驱动的数据生成提升遥感目标检测)
Datao Tang, Xiangyong Cao, Xuan Wu, Jialin Li, Jing Yao, Xueru Bai, Dongsheng Jiang, Yin Li, Deyu Meng

题目：AeroGen: Enhancing Remot

最低0.47元/天 解锁文章
CVPR 2025 | 迈向可泛化的场景变化检测
小白学视觉
04-30 304
当前最先进的场景变化检测（SCD）方法在经过充分训练的研究数据上取得了令人瞩目的成果，但在未见环境和不同时间条件下却变得不可靠。在先前未见的环境中，领域内性能从77.6%骤降至8.0%，在不同时间条件下更是降至4.6%，这迫切需要可泛化的SCD方法和基准测试。在这项工作中，作者提出了可泛化场景变化检测框架（GeSCF），该框架致力于解决未见领域的性能问题和时间一致性问题，以满足对通用SCD日益增长的需求。作者的方法以零样本方式利用预训练的分割一切模型（SAM）。
2024年6月17日Arxiv人工智能相关论文
数智笔记
06-17 2185
原标题作者机构: 首尔国立大学 经济学院摘要: 在神经网络往往产生过于自信的预测之后，校准问题变得越来越重要，旨在通过将置信度与准确性对齐来增强预测的可靠性。已经提出了几种基于校准映射的解决方案，以解决使用额外数据集重新校准训练过的分类器的问题。在本文中，我们提出了一种算法，该算法转换分类器的最后一层的权重，与基于校准映射的方法不同。我们关注最终线性层的几何结构，特别是其角度方面，并调整相应层的权重。我们将该方法命名为 Tilt and Average（Tna），并通过实证和理论验证了校准效果。
CVPR 2025 | Papers-with-Code |【合集一】AIGC相关（目前已更20篇，持续更新中）
weixin_42258721的博客
03-13 2859
CVPR2025 | AIGC
AeroGen Enhancing Remote Sensing Object Detection with Diffusion-Driven Data Generation
qq_73553710的博客
10-13 378
遥感图像目标检测（Remote Sensing Image Object Detection, RSIOD）旨在识别并定位卫星或航空影像中的特定目标。然而，当前 RSIOD 数据集中标注数据稀缺，严重限制了现有检测算法的性能。尽管现有技术（如数据增强和半监督学习）在一定程度上缓解了这一问题，但它们高度依赖高质量标注数据，在稀有目标类别上的表现仍不理想。为解决该问题，本文提出了一种专为 RSIOD 任务设计的布局可控扩散生成模型（即AeroGen据我们所知，AeroGen 是首个。
遥感基础模型全景图谱：从视觉到多模态的技术演进
最新发布
weixin_51241407的博客
10-14 855
遥感基础模型正处于快速发展阶段，从早期的单模态自监督学习，到现在的多模态大语言模型，技术路线日趋成熟。随着**SkySense++**在Nature Machine Intelligence上的发表，以及众多CVPR 2025论文的涌现，该领域已经从"探索"走向"成熟"。✨ 更统一的多模态架构✨ 更强的泛化与迁移能力✨ 更广泛的实际应用落地。
CVPR 2025 论文主题分析与趋势报告
weixin_49090702的博客
03-05 4174
CVPR 2025 论文主题概览及分类统计CVPR 2025 共接收论文，在提交的13008篇论文中录取率约为这一录取数量再次刷新大会纪录，反映出计算机视觉领域的研究热度持续高涨。为了更好地了解CVPR 2025论文的研究方向，我们对所有录用论文的主题进行了提取和分类，总结主要研究主题并统计每类论文数量。（根据论文标题和内容提取）包括：图像和视频的合成与生成、三维视觉、人体行为与姿态理解、视觉与语言（多模态）、低级视觉处理（如去噪/超分辨）、目标检测与分割、自主驾驶与机器人、对抗攻防、安全公平性等方向。
IDF-CR: Iterative Diffusion Process forDivide-and-Conquer Cloud Removal inRemote-sensing Images论文翻译
qq_69854365的博客
05-11 1496
TGRS2024论文 IDF-CR：迭代扩散法去除遥感图像中的分治云论文的全文翻译
CVPR 2025 | Papers-with-Code | 【合集三】底层视觉（目前已更11篇，持续更新中）
weixin_42258721的博客
03-15 3063
CVPR2025 | 底层视觉
CVPR 2025 论文和开源项目合集 | CVer-Papers-with-Code
热门推荐
qq_53826699的博客
03-13 4万+
欢迎各位大佬提交issue，分享CVPR 2025论文和开源项目！
CVPR2025 | 当扩散模型遇见多模态上下文：Google&约翰霍普金斯大学用深度+语义+文本实现精准超分
helloaiti的博客
03-19 3097
MMLC采用 Transformer架构，接收随机初始化的可学习潜在标记序列和多模态输入序列，输出与潜在标记序列等长的标记序列，作为扩散模型的条件。-多模态无分类器引导（Multimodal Classifier-free Guidance）：针对传统无分类器引导（CFG）在高引导尺度下易产生过多幻觉的问题，提出多模态引导策略。-多模态潜在连接器（MMLC）：轻量级Transformer模块，通过交叉注意力将长Token序列压缩为固定长度（128）的潜在表示，降低计算复杂度（从O(M²)到O(MN)）。
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 2814
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。
CVPR2025 | 即插即用模块用于遥感全色锐化, 双层加权机制
yyyyyybw的博客
04-18 1197
题目：A General Adaptive Dual-level Weighting Mechanism for Remote Sensing Pansharpening会议：IEEE / CVF Computer Vision and Pattern Recognition Conference论文：https://arxiv.org/abs/2503.13214年份：2025单位：电子科技大学，中科院自动化所这才是科研人该学的！
CVPR 2025 最佳论文候选16篇 快览
u014546828的博客
06-08 8141
本文介绍了cvpr 2025 全部的16篇最佳论文候选，包括论文摘要、GitHub或项目主页以及论文概述。
CVPR 2025图像/视频/3D生成论文汇总（附论文呢/代码）
yyyyyybw的博客
06-11 1589
多模态大语言模型(Multi-Modal Large Language Model)图像生成(Image Generation/Image Synthesis)视频生成(Video Generation/Image Synthesis)3D生成(3D Generation/3D Synthesis)2025年CVPR可复现论文合集，含代码。图像编辑（Image Editing)视频编辑(Video Editing)3D编辑(3D Editing)其他多任务(Others)
CVPR 2025 | 遥感图像目标检测最新论文曝光，每一篇都值得深扒，有想法的速冲！！！
2501_91057708的博客
04-24 5180
在遥感信息处理领域，始终是等顶级学术平台的研究焦点，在灾害监测、军事侦察等关键领域发挥着重要作用。近年来，随着深度学习技术的不断革新，该领域涌现出一系列突破性成果。SuperYOLO创新性地融合光学、SAR等多模态数据，构建高分辨率检测框架，不仅大幅提升了检测精度，还将模型参数量锐减至原来的1/18，有效克服了传统模型计算复杂、漏检率高的难题。SOAR算法则巧妙结合Mamba与YOLOv9，利用长序列建模能力精准捕捉微小目标的长距离依赖关系，在精度与效率上均达到行业领先水平。
录用率仅22%！如何看待CVPR 2025的审稿结果?
Paper weekly
03-20 772
作为计算机视觉领域的顶级盛会，CVPR堪称论文界的“奥斯卡”，每一篇被录用的论文都代表着行业前沿的方向，引领着技术的发展。今年的竞争异常激烈，共收到13008份投稿，最终仅有2878篇被录用，录取率仅为22.1%。从选题辅导、文献阅读、文献翻译＆润色、创新点评估、期刊推荐、AutoML全面辅助科研流程，提供专业的科研背景提升、留学申请、作业辅导、基金申请、科研立项等服务；科研0基础课程、AI入门算法基础课程、AI前沿论文带读课程。上周，CVPR 2025的论文接收结果正式公布！QS top100博士。
CVPR 2025 | Papers-with-Code | 【合集四】检测与分割（目前已更15篇，持续更新中）
weixin_42258721的博客
03-18 7881
CVPR2025 | 检测与分割
CVPR2025 | 对抗样本&智能安全方向论文汇总 | 持续更新中~
四口鲸鱼爱吃盐的博客
03-20 1万+
文章汇总CVPR2025中对抗样本&智能安全方向的相关论文和GitHub链接，同时每篇文章附有摘要。
cvpr遥感
03-14
### 关于CVPR会议中的遥感技术 CVPR（IEEE Conference on Computer Vision and Pattern Recognition）作为计算机视觉领域的重要国际学术会议之一，涵盖了广泛的子领域和技术应用。尽管ICCV[^1]更专注于理论研究，而CVPR则更加注重实际应用场景的技术开发和创新。因此，在CVPR会议上可以找到许多关于遥感图像分析、目标检测以及语义分割的研究成果。 #### 遥感技术在CVPR上的主要方向 遥感技术涉及利用传感器从远距离获取地球表面的信息，并通过算法对其进行解释和分类。近年来，随着深度学习的发展，基于卷积神经网络(CNNs)的方法被广泛应用于遥感数据的处理中。这些方法能够显著提高特征提取效率并增强模型泛化能力。具体来说： - **高分辨率影像解译**：采用先进的CNN架构来识别复杂背景下的特定对象类别，例如建筑物、道路或者植被覆盖区域等。 - **变化检测**：比较不同时间点采集到的两幅或多幅遥感图片之间的差异，从而发现土地用途改变情况或其他动态现象的发生过程。 - **场景理解与语义分割**：通过对整个遥感图进行像素级别的标注预测，使得机器不仅知道某个位置存在什么类型的物体，还能了解它们的空间分布关系及其相互作用模式。 以下是几个典型的例子说明如何运用现代AI工具解决传统难题: ```python import torch from torchvision import models # 加载预训练ResNet模型用于迁移学习任务 model = models.resnet50(pretrained=True) for param in model.parameters(): param.requires_grad = False num_ftrs = model.fc.in_features model.fc = torch.nn.Linear(num_ftrs, num_classes) # 替换最后一层全连接层适应新分类数目的需求 ``` 上述代码片段展示了怎样快速调整现有的ImageNet权重初始化参数以便更好地服务于自定义的数据集环境。这种方法特别适合当样本数量有限但又希望获得良好表现效果的情形下使用[^2]。 至于音频信号方面的轻量化FFT实现，则可参考STK库所提供的解决方案[^3]。虽然它主要用于声音合成等领域，但对于某些特殊形式的时间序列数据分析同样具有借鉴意义。
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
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