Specificity-aware reinforcement learning for fine-grained open-world classification
University of Trento（特伦托大学）；Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）
本文提出SpeciaRL框架，通过强化学习提升细粒度开放世界分类的准确性和特异性，优于现有方法。
2026-04-12 cs.CV
PCA-Enhanced Probabilistic U-Net for Effective Ambiguous Medical Image Segmentation
本文提出PCA增强的概率U-Net，通过降维和逆PCA操作提升医学图像分割的准确性和变异性，解决传统方法在高维潜在空间冗余和表达能力限制的问题。
2026-03-13 cs.CV
Annotating Ambiguous Images: General Annotation Strategy for High-Quality Data with Real-World Biomedical Validation
Kiel University（基尔大学）；IBAK GmbH（IBAK有限公司）
本文针对图像分类中模糊或有偏数据标注难题，提出一种基于文献综述的通用高质量标注策略，并在椎体影像推断身高降低的真实生物医学任务中利用超25万标注验证了其有效性。
2024-04-29 cs.CV
PT43D: A Probabilistic Transformer for Generating 3D Shapes from Single Highly-Ambiguous RGB Images
Technical University of Munich（慕尼黑工业大学）
提出基于Transformer的自回归模型，从单张高度模糊RGB图像生成三维形状概率分布，利用模拟训练对和交叉注意力，在合成及真实数据上超越现有方法。
2024-11-04 cs.CV
3D Multi-bodies: Fitting Sets of Plausible 3D Human Models to Ambiguous Image Data
University of Cambridge（剑桥大学）；University of Oxford（牛津大学）；Facebook AI Research（Facebook人工智能研究实验室）
我们认为，从单一的和部分遮挡的意见，获得密集的三维重建人类的问题。在这种情况下，视觉证据通常不足以唯一地识别3D重建，所以我们的目标是恢复与输入数据兼容的几个合理的重建。我们建议，可以更有效地通过参数化的可能的身体形状和姿势，通过一个合适的3D模型，如SMPL人类的模糊性建模。我们建议学习一个多假设神经网络回归使用最好的M损失，其中每个M假设被约束躺在一个流形上的合理的人类构成的生成模型。我们表明，我们的方法优于其他方法在模糊的姿态恢复标准基准的3D人类，并在严重闭塞的版本，这些基准。
2020-11-02 cs.CV
SPECS: Specificity-Enhanced CLIP-Score for Long Image Caption Evaluation
MBZUAI；University of Copenhagen（哥本哈根大学）
针对长图像描述评估指标成本高或相关性低的问题，提出无参考指标 SPECS，通过修改 CLIP 奖励正确细节并惩罚错误细节，在匹配开源 LLM 指标性能的同时大幅提升效率。
2025-09-12 cs.CL cs.CV
Multi-rater Prompting for Ambiguous Medical Image Segmentation
College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）；Institute of Wenzhou, Zhejiang University（浙江大学温州研究院）；State Key Laboratory of Transvascular Implantation Devices of The Second Affiliated Hospital, Zhejiang University School of Medicine（浙江大学医学院第二附属医院血管植入装置国家重点实验室）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Notre Dame（圣母大学）；School of Public Health Zhejiang University（浙江大学公共卫生学院）
针对多评分者标注的模糊医学图像分割问题，提出基于多评分者提示的方法，通过引入评分者感知提示进行不确定性估计，并采用混合训练策略整合专家共识与分歧，仅需更新0.3%参数即可高效微调，在两个公开数据集上验证了有效性。
2024-08-23 cs.CV
Ambiguous Images With Human Judgments for Robust Visual Event Classification
Johns Hopkins University（约翰斯·霍普金斯大学）；Human Language Technology Center of Excellence（人类语言技术卓越中心）
当代视觉基准主要考虑人类可以实现近乎完美性能的任务。然而，人类经常会看到他们无法100%确定地分类的视觉数据，并且在标准视觉基准上训练的模型在评估这些数据时表现不佳。为了解决这个问题，我们介绍了一个程序，用于创建模糊图像的数据集，并使用它来产生SQUID-E（“Squidy”），从视频中提取的噪声图像的集合。所有图像都用地面真值进行注释，测试集用人类的不确定性判断进行注释。我们使用这个数据集来描述人类在视觉任务中的不确定性，并评估现有的视觉事件分类模型。实验结果表明，现有的视觉模型不足以提供有意义的输出模糊的图像，这种性质的数据集可以用来评估和改进这种模型，通过模型训练和模型校准的直接评估。这些发现激发了大规模模糊数据集的创建，并进一步研究了噪声视觉数据。
2022-10-22 cs.AI cs.CV
Improving Specificity in Mammography Using Cross-correlation between Wavelet and Fourier Transform
乳腺癌是女性最常见的恶性肿瘤。占新发恶性肿瘤病例的30%。虽然乳腺癌的发病率在世界范围内仍然很高，但死亡率却在不断降低。这主要是由于近年来分子生物学技术的发展，以及综合诊断和规范治疗水平的提高。乳房X光检查的早期发现是其中不可或缺的一部分。最常见的乳腺异常可能表明乳腺癌是肿块和钙化。以前的检测方法通常获得相对较高的灵敏度，但不能令人满意的特异性。我们将研究一种应用离散小波变换和傅里叶变换来解析图像并提取表征图像内容的统计特征的方法，例如平均强度和强度的偏斜度。朴素贝叶斯分类器使用这些特征对图像进行分类。我们期望达到最佳的高特异性。
2022-01-29 cs.AI cs.CV eess.IV
Ambiguous Medical Image Segmentation using Diffusion Models
Johns Hopkins University（约翰斯·霍普金斯大学）；University of British Columbia（不列颠哥伦比亚大学）
提出一种基于单一 diffusion model 的医学图像分割方法，通过学习群体见解分布生成多个合理分割掩码，在 CT、超声和 MRI 上验证了其优于现有模糊分割网络的准确性与多样性。
2023-04-10 cs.CV
From Activation to Specificity: Automating Counterfactual Testing of Visual Representations in the Human Brain
Weizmann Institute of Science（魏茨曼科学研究所）；Massachusetts Institute of Technology（麻省理工学院）
提出BrainCause框架，结合生成模型和脑模型合成受控刺激，通过因果测试验证人脑视觉表征，发现仅靠激活不足以证明表征。
2026-08-11 cs.CV
Longitudinal Image Registration with Temporal-order and Subject-specificity Discrimination
University College London（伦敦大学学院）；InstaDeep；University College London Hospital NHS Foundation Trust（伦敦大学学院医院NHS基金会信托）；University of Oxford（牛津大学）
纵向MR图像的形态分析在监测前列腺癌患者的疾病进展中起着关键作用，前列腺癌患者被置于积极的监测计划之下。在本文中，我们描述了一种基于学习的图像配准算法来量化在两个不同时间点采集的同一患者的一对图像之间的感兴趣区域的变化。结合基于强度的相似性和腺体分割作为弱监督，与配准前和迭代配准算法相比，人口数据训练的配准网络显着降低了保留患者数据的目标配准误差（TREs）。此外，这项工作提供了一个定量分析的几个原始数据采样策略，反过来，我们提出了一种新的正则化方法的基础上最大的平均差异，不同采样的训练图像对之间。基于来自86名患者的216张3D MR图像，我们报告了平均TRE为5.6 mm，并且显示了不同训练数据采样策略之间的统计学显著差异。
2020-08-29 cs.CV eess.IV
HYPE: Hyperbolic Entailment Filtering for Underspecified Images and Texts
NAVER AI Lab（NAVER AI实验室）
HYPE利用双曲嵌入与蕴含锥过滤无意义或欠指定的图文样本，提升数据特异性，在DataComp基准上达到新最先进水平，并可独立用于构建仅图像数据集以提升自监督模型性能。
2024-07-16 cs.CV
6D Camera Relocalization in Visually Ambiguous Extreme Environments
Tsinghua University（清华大学）；Imperial College London（帝国理工学院）；Stanford University（斯坦福大学）
我们提出了一种新的方法来可靠地估计相机的姿态给定的一系列图像在极端的环境中，如深海或外星地形。在这些具有挑战性的条件下获得的数据被无纹理表面、图像退化以及存在重复和高度模糊的结构所破坏。当天真地部署时，最先进的方法在这些情况下可能会失败，正如我们的实证分析所证实的那样。在本文中，我们试图使相机重新定位工作在这些极端的情况下。为此，我们提议：（i）一个分层定位系统，其中我们利用时间信息和（ii）一个新的环境感知图像增强方法，以提高鲁棒性和准确性。我们广泛的实验结果表明，在两个极端的设置下，我们的方法有利于优越的性能：定位自主水下航行器和定位行星漫游车在火星般的沙漠。此外，我们的方法在室内基准测试（7场景数据集）上仅使用20%的训练数据就实现了与最先进方法相当的性能。
2022-07-13 cs.CV
Predicting Foreground Object Ambiguity and Efficiently Crowdsourcing the Segmentation(s)
University of Texas at Austin（得克萨斯大学奥斯汀分校）；Boston University（波士顿大学）
我们提出了前景对象分割任务的模糊性问题，并激发了设计视觉系统时估计和考虑这种模糊性的重要性。具体来说，我们区分图像，导致多个注释器分割不同的前景对象（模糊）与同一对象的微小注释器间的差异。我们从八个广泛使用的数据集中获取图像，将图像标记为“模糊”或“不模糊”以进行分割，以构建一个我们称为STATIC的新数据集。使用静态，我们开发了一个系统，自动预测哪些图像是模糊的。实验证明了我们的预测系统的优势，现有的基于显着性的方法对图像的视觉基准和图像的盲人谁是试图识别他们的环境中的对象。最后，我们介绍了一个众包系统，以实现成本节约收集所有有效的“地面实况”前景对象分割的多样性，收集额外的分割时，只有模糊的预期。实验表明，与现有的众包方法相比，我们的系统消除了高达47%的人工努力，并且在捕获地面真相的多样性方面没有损失。
2017-04-30 cs.CV
Beyond Mean Foils: Auditing Worst-Foil Specificity in Frozen CLIP Region Explanations
本研究审计冻结CLIP区域解释的最坏干扰特异性，发现大量区域对竞争类别贡献过高，并提出在容忍度约束下利用替代区域进行修复的有限可能性。
2026-09-24 cs.CV
Ambiguous Medical Image Segmentation Using Diffusion Schrödinger Bridge
International Institute of Information Technology（国际信息学院）；The Alan Turing Institute（艾伦·图灵研究所）；University College London（伦敦大学学院）
本文首次将薛定谔桥应用于模糊医学图像分割，提出 SSB 模型和多样性分歧指数 DDDI，在多个数据集上取得最优性能。
2025-09-21 cs.AI cs.CV
MSE-Nets: Multi-annotated Semi-supervised Ensemble Networks for Improving Segmentation of Medical Image with Ambiguous Boundaries
Hangzhou Dianzi University（杭州电子科技大学）；Zhejiang Sci-Tech University（浙江理工大学）；Shandong University（山东大学）；Lishui University（丽水学院）；Center（研究中心）；Communication University of Zhejiang（浙江传媒学院）
提出MSE-Nets，利用多标注和未标注数据，通过NPCE和MNPS模块处理标注分歧与伪标签，减少97.75%多标注需求，提升模糊边界分割性能。
2023-11-17 cs.CV
Diffusion Based Ambiguous Image Segmentation
The Technical University of Denmark, Department of Applied Mathematics and Computer Science (DTU Compute)（丹麦技术大学应用数学与计算机科学系）
本文研究基于扩散模型的模糊医学图像分割，通过探索噪声调度、预测类型和损失权重设计空间，发现输入缩放、x/v预测及末端加权可提升性能，并在LIDC-IDRI及其随机裁剪变体上取得SOTA结果。
2025-08-18 cs.CV
Sensitivity and Specificity Evaluation of Deep Learning Models for Detection of Pneumoperitoneum on Chest Radiographs
Dartmouth College（达特茅斯学院）；Dartmouth-Hitchcock Medical Center（达特茅斯-希区柯克医疗中心）
背景：深度学习在帮助检测和分类医学图像上的气腹等关键发现方面具有巨大的潜力。为了在临床上有用，该技术的性能仍然需要验证在不同类型的成像系统中的通用性。材料与方法：这项回顾性研究包括2011年至2019年期间在13家不同医院接受初次胸部X线摄影的患者的1，287张胸部X线图像。由四名放射科专家将胸部X线图像独立标记为气腹阳性或阴性。最先进的深度学习模型（ResNet101，InceptionV3，DenseNet161和ResNeXt101）在该数据集的一个子集上进行了训练，并通过测量每个模型的AUC，灵敏度和特异性来评估其余数据集的自动分类性能。此外，通过根据所用成像系统的类型对测试数据集进行分层，评估了这些深度学习模型的可推广性。结果如下：所有深度学习模型在识别具有气腹的X光照片方面表现良好，而DenseNet161实现了最高的AUC 95.7%，特异性89.9%和灵敏度91.6%。DenseNet161模型能够准确地对来自不同成像系统的X光片进行分类（准确率：90.8%），而它是在来自单个机构的特定成像系统捕获的图像上进行训练的。这一结果表明，我们的模型学习胸部X射线图像中的显着特征，以检测气腹，独立的成像系统的推广。
2020-10-17 cs.CV eess.IV
KANResDiff: Learning Local Residual Diffusion via Kolmogorov-Arnold Network for Ambiguous Medical Image Segmentation
Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算学部）；College of Computer and Control Engineering, Northeast Forestry University（东北林业大学计算机与控制工程学院）；Case Western Reserve University（凯斯西储大学）
针对现有模糊医学图像分割方法无法形成渐进式语义建模的问题，提出KANResDiff模型，通过独立时间编码与残差薛定谔桥实现阶段感知模糊性建模，在公开数据集上取得SOTA性能。
2026-08-13 cs.CV
Ambiguity-aware Truncated Flow Matching for Ambiguous Medical Image Segmentation
本文提出了一种具有模糊性的截断流匹配方法，通过数据分层推理和高斯截断表示提升医学图像分割的准确性和多样性。
2025-11-27 cs.CV
Is one annotation enough? A data-centric image classification benchmark for noisy and ambiguous label estimation
Kiel University（基尔大学）；Friedrich-Loeffler-Institut（弗里德里希·勒夫勒研究所）；Sorbonne Université（索邦大学）；Rzeszow University of Technology（热舒夫理工大学）；University Bonn（波恩大学）；University of Helsinki（赫尔辛基大学）；Natural Resources Institute Finland（芬兰自然资源研究所）；University of Veterinary Medicine Hannover（汉诺威兽医大学）
高质量的数据是现代机器学习的必要条件。然而，由于人类的嘈杂和模糊的注释，这种数据的获取是困难的。聚集这些注释以确定图像的标签导致较低的数据质量。我们提出了一个以数据为中心的图像分类基准，每个图像有十个真实世界的数据集和多个注释，使研究人员能够调查和量化这些数据质量问题的影响。使用基准测试，我们可以通过将一种新的方法应用于一系列不同的算法和不同的数据集，来研究注释成本和（半）监督方法对图像分类数据质量的影响。我们的基准测试使用两个阶段的方法，通过在第一阶段的数据标签改进方法和固定的评估模型在第二阶段。因此，我们给出了输入标记工作与（半）监督算法性能之间关系的度量，以便更深入地了解如何创建标签以进行有效的模型训练。在成千上万的实验中，我们表明，一个注释是不够的，包括多个注释可以更好地近似真实的底层类分布。我们发现，硬标签不能捕捉数据的模糊性，这可能会导致过度自信的模型的共同问题。基于所提出的数据集，基准方法和分析，我们为未来创造了多个研究机会，旨在改进标签噪声估计方法，数据注释方案，逼真的（半）监督学习或更可靠的图像收集。
2022-11-04 cs.CV
Deep Learning Ensembles for Melanoma Recognition in Dermoscopy Images
IBM
黑色素瘤是最致命的皮肤癌。虽然可以通过早期发现治愈，但只有训练有素的专家才能准确识别这种疾病。由于专业知识供应有限，能够识别疾病的自动化系统可以挽救生命，减少不必要的活检，并降低成本。为了实现这一目标，我们提出了一个系统，该系统将深度学习的最新发展与已建立的机器学习方法相结合，创建能够分割皮肤病变的方法集合，以及分析检测到的区域和周围组织以进行黑色素瘤检测。该系统使用最大的公开可用的皮肤镜图像基准数据集进行评估，包含900个训练图像和379个测试图像。新的国家的最先进的性能水平得到证明，导致在7.5%的接收器工作特性曲线下的面积的改善（0.843 vs. 0.783），平均精度为4%（0.649对0.624），在临床相关的95%灵敏度操作点测量的特异性是先前最新技术水平的2.9倍（36.8%特异性对比12.5%）。与平均8个专家皮肤科医生对100个测试图像的子集相比，所提出的系统产生了更高的准确性（76%与70.5%）和特异性（62%与59%），在同等的灵敏度（82%）。
2016-10-18 cs.CV
Enhancing Intent Understanding for Ambiguous prompt: A Human-Machine Co-Adaption Strategy
UMN（明尼苏达大学）；UESTC（电子科技大学）；XDU（西安电子科技大学）；NTU（国立台湾大学）；Emory（埃默里大学）；Amazon（亚马逊）；WUSTL（华盛顿大学）；ByteDance（字节跳动）；NJU（南京大学）；UCAS（中国科学技术大学）；Baidu（百度）；Upenn（宾夕法尼亚大学）；UofWarwick（沃里克大学）；THU（清华大学）；Google（谷歌）；SCU（四川大学）；AMA（美国人工智能协会）；UofT（多伦多大学）；PKU（北京大学）
针对图像生成系统难以理解模糊提示词意图的问题，提出以提示词与图像间互信息为优化目标的人机协同适应策略，并构建多轮对话数据集验证其有效性。
2025-09-17 cs.CV
Specificity-Preserving Federated Learning for MR Image Reconstruction
Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））；Institute of High Performance Computing, A*STAR（新加坡科技研究局高性能计算研究所）；Shenzhen Institutes of Advanced Technology, CAS（中国科学院深圳先进技术研究院）；Terminus Group（特斯联集团）
联邦学习（FL）可用于通过使多个机构能够协作而无需聚合本地数据来提高磁共振（MR）图像重建中的数据隐私和效率。然而，由不同的MR成像协议所引起的域偏移会大大降低FL模型的性能。最近的FL技术倾向于通过增强全局模型的泛化来解决这个问题，但是它们忽略了特定于域的特征，这些特征可能包含关于设备属性的重要信息并且对于局部重建是有用的。本文提出了一种保持特异性的FL算法用于MR图像重建（FedMRI）。其核心思想是将MR重建模型分为两个部分：一个全局共享的编码器，以获得在全球范围内的广义表示，和一个客户端特定的解码器，以保持每个客户端的域特定的属性，这是很重要的协作重建时，客户端具有独特的分布。然后，这种方案分别在频率空间和图像空间中执行，允许在不同的空间中同时探索广义表示和客户端特定的属性。此外，为了在存在域偏移时进一步提高全局共享编码器的收敛性，引入加权对比正则化以直接校正优化期间客户端和服务器之间的任何偏差。大量的实验表明，我们的FedMRI的重建结果是最接近多机构数据的地面实况，并且它优于最先进的FL方法。
2022-08-22 cs.CV eess.IV
Identifying Ambiguous Similarity Conditions via Semantic Matching
Nanjing University（南京大学）
图像内部丰富的语义导致了图像与其他图像之间的模糊关系，即，两个图像在一种情况下可能相似，但在另一种情况下可能不同。假设“aircraft”与“bird”的相似度大于“训练”，弱监督条件相似性学习（WS-CSL）学习多个嵌入来匹配语义条件，而不需要“can fly”等显式条件标签。然而，三元组中的相似性关系是不确定的，除非提供一个条件。例如，一旦条件标签变为“is vehicle”，先前的比较就变得无效。为此，我们引入了一种新的评估标准，通过将学习到的嵌入分配到其最佳条件后预测比较的正确性，该标准衡量了WS-CSL作为监督模型可以覆盖多少潜在语义。此外，我们提出了距离诱导的语义条件验证网络（DiscoverNet），它的特点是在一个“分解和融合”的方式的实例-实例和三元组-条件关系。为了使学习的嵌入覆盖所有语义，DiscoverNet在三元组和条件之间的对应关系上使用了一个集合模块或额外的正则化器。DiscoverNet在UT-Zappos-50 k和Celeb-A w.r.t.等基准测试中达到了最先进的性能。不同的标准
2022-04-08 cs.CV
A$^2$-Edit: Precise Reference-Guided Image Editing of Arbitrary Objects and Ambiguous Masks
Shanghai Jiao Tong University（上海交通大学）；Shanghai Innovation Institute（上海创新研究院）
本文提出A²-Edit框架，通过大规模多类别数据集UniEdit-500K解决现有数据集的同质化和类别覆盖不足问题，引入Transformer混合模块和Mask Annealing训练策略，实现高效任意物体编辑。
2026-03-20 cs.CV
Incorporating Season and Solar Specificity into Renderings made by a NeRF Architecture using Satellite Images
本研究拓展Shadow NeRF与Sat-NeRF，通过引入时间输入变量和损失函数额外项，构建了可分离季节特征与阴影的NeRF架构，在8个Maxar卫星图像区域验证了新视角渲染、高度图生成等性能，消融实验验证了设计合理性。
2023-12-15 cs.CV eess.IV
Hierarchical Severity Staging of Anterior Cruciate Ligament Injuries using Deep Learning with MRI Images
University of California, San Francisco（加州大学旧金山分校）
目的：评价两种卷积神经网络（CNN）对前交叉韧带（ACL）损伤严重程度分期的诊断效用。材料与方法：对2011年至2014年期间获得的224名患者（年龄47 ± 14岁，54%为女性）的1243张膝关节MR图像（1008张完整，18张部分撕裂，77张完全撕裂，140张重建膝关节）进行了回顾性分析。放射科医生使用了改良的评分指标。为了使用深度学习对ACL损伤进行分类，使用了两种类型的CNN，一种是三维（3D）卷积核，另一种是二维（2D）卷积核。性能指标包括灵敏度、特异性、加权Cohen's kappa和总体准确性，然后是McNemar检验来比较CNN的性能。结果如下：使用2D CNN（准确度：92%（233/254）和kappa值：0.83）报告的ACL损伤分类的总体准确度和加权Cohen kappa值高于3D CNN（准确度：89%（225/254）和kappa值：0.83）（P = 0.27）。2D CNN和3D CNN在分类完整的椎间盘方面表现相似（2D CNN：93%（188/203）灵敏度和90%（46/51）特异性; 3D CNN：89%（180/203）灵敏度和88%（45/51）特异性）。两种网络对全撕裂的分类也相当（2D CNN：82%（14/17）灵敏度和94%（222/237）特异性; 3D CNN：76%（13/17）灵敏度和100%（236/237）特异性）。…
2020-04-13 cs.CV cs.LG eess.IV
Volumetric Directional Diffusion: Anchoring Uncertainty Quantification in Anatomical Consensus for Ambiguous Medical Image Segmentation
Department of Computer Science and Engineering University at Buffalo, SUNY Buffalo, NY, USA（计算机科学与工程系，布法罗大学，纽约州，布法罗，美国）
针对模糊医学图像分割中不同专家边界描绘有差异的问题，提出体积方向扩散（VDD）框架，以粗略共识预测为锚点，学习方向扩散过程生成边界变化，实验表明该方法能在保持精度和结构一致性时改善不确定性分布对齐。
2026-07-08 cs.AI cs.CV
Deep Perceptual Similarity is Adaptable to Ambiguous Contexts
Luleå University of Technology（吕勒奥理工大学）
本研究探索深度感知相似度度量对特定上下文的适应性，通过训练ImageNet预训练CNN适应随机失真排序，在99%情况下提升性能且不损害先前表现。
2023-05-12 cs.CV
Diverse Plausible Shape Completions from Ambiguous Depth Images
Robotics Institute（机器人研究所）；University of Michigan（密歇根大学）
我们提出了PSSNet，一个网络架构，用于从单个2.5D深度图像生成各种合理的3D重建。现有的方法往往只产生一个单一的形状上的小变化，即使多个形状是一致的观察。为了获得多样性，我们通过在训练期间提供学习的形状限界框特征作为边信息来改变变分自动编码器。由于这些特征在训练过程中是已知的，因此我们能够向编码器添加监督损失，并向解码器添加无噪声值。为了进行评估，我们从网络中抽取一组完成，为每个测试观察构建一组合理的形状匹配，并使用我们在形状集上定义的合理多样性度量进行比较。我们使用Shapenet杯子和部分遮挡的YCB对象进行实验，发现我们的方法在数据集上执行的模糊性很小，并且当许多形状与观察到的深度图像相匹配时，优于现有的方法。我们演示了一个使用PSSNet的物理机器人时，抓住物体的遮挡和混乱。
2020-11-18 cs.CV cs.RO
MAR-MAER: Metric-Aware and Ambiguity-Adaptive Autoregressive Image Generation
Lanzhou Vocational Technical College（兰州职业技术学院）
MAR-MAER通过引入度量意识嵌入正则化和概率潜在模型，提升自回归图像生成的质量和语义灵活性，实验表明其在CLIPScore和HPSv2指标上优于基线模型。
2026-04-02 cs.CV
Improved Workflow for Unsupervised Multiphase Image Segmentation
U.S. Army Corps of Engineers Cold Regions Research and Engineering Laboratory（美国陆军工程兵寒冷地区研究与工程实验室）
定量图像分析通常依赖于通过分割过程对像素的准确分类。然而，成像伪影，如部分容积效应和传感器噪声复杂的分类过程。这些效应增加了每个组成类的像素强度方差，导致一类的强度与另一类重叠。由于像素强度分布中的模糊重叠区域，这种增加的方差使得基于阈值的分割方法不足。对于具有两个以上成分的系统，例如不饱和潮湿颗粒介质，类别模糊性变得更加复杂。在本文中，我们提出了一个图像处理工作流程，提高了多相系统的分割精度。首先，类之间的模糊过渡区域被识别和删除，这允许全局阈值的单类区域。然后利用距离函数对过渡区域进行分类，最后将两种分割结果合并为一幅分类图像。这个工作流程包括三种方法来识别过渡像素，我们证明了各种合成图像，这些方法能够准确地分离模糊的过渡像素从单类区域。对于典型的图像噪声量的情况下，误分类误差和区域之间的差异计算的每一类的合成图像和所得到的分割图像的范围分别从0.69-1.48%和0.01- 0.74%，显示这种方法的分割精度。我们证明，我们能够使用这些计算效率高的方法准确地分割潮湿颗粒介质的X射线显微层析图像。
2017-10-26 cs.CV
MooneyMaker: A Python package to create ambiguous two-tone images
Technical University of Darmstadt（达姆施塔特技术大学）；Center for Mind, Brain and Behavior (CMBB)（心智、大脑与行为中心）
MooneyMaker是一个开源Python包，通过多种方法自动化生成模糊双色调图像，提高视觉感知研究的可重复性和一致性。
2026-01-20 cs.CV q-bio.NC
Benchmarking Zero-Shot Recognition with Vision-Language Models: Challenges on Granularity and Specificity
AWS AI Labs（AWS AI实验室）；Boson AI；Meta
本文构建聚焦语义粒度与文本特异性的零样本识别基准，系统评估VLM，发现其偏好中等细粒度概念且难以辨别细微错误描述，微调也无法根本解决泛化缺陷。
2024-06-18 cs.AI cs.CV
An Efficient MLP-based Point-guided Segmentation Network for Ore Images with Ambiguous Boundary
School of Mechanical Engineering, Hubei University of Technology（湖北工业大学机械工程学院）；National University of Singapore (NUS)（新加坡国立大学）；The Chinese University of Hong Kong（香港中文大学）；Shanghai Advanced Research Institute, Chinese Academy of Sciences（中国科学院上海高等研究院）
本文提出一种基于MLP的轻量级矿石图像分割网络，通过轻量骨干、双MLP特征金字塔和边缘匹配损失函数解决边界模糊问题，在矿石数据集上以73 MB模型和27 FPS速度取得领先的分割精度。
2024-02-27 cs.CV
Synthetic Data Augmentation using GAN for Improved Liver Lesion Classification
Tel Aviv University（特拉维夫大学）；The Chaim Sheba Medical Center（柴姆·谢巴医疗中心）；Bar-Ilan University（巴伊兰大学）
在本文中，我们提出了一种数据增强方法，使用生成对抗网络（GANs）生成合成医学图像。我们提出了一种训练方案，首先使用经典的数据增强来扩大训练集，然后通过将GAN技术应用于合成数据增强来进一步扩大数据大小及其多样性。我们的方法证明了有限的数据集的计算机断层扫描（CT）图像的182个肝脏病变（53囊肿，64转移瘤和65血管瘤）。仅使用经典数据增强的分类性能产生78.6%的灵敏度和88.4%的特异性。通过添加合成数据增强，结果显著增加到85.7%的灵敏度和92.4%的特异性。
2018-01-08 cs.CV
SDDF: Specificity-Driven Dynamic Focusing for Open-Vocabulary Camouflaged Object Detection
Shenzhen University（深圳大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
本文提出SDDF方法，通过专门性感知子描述和动态聚焦提升开放词汇伪装物体检测性能，在OVCOD-D基准上达到56.4的AP。
2026-03-27 cs.CV
Hypernet-Ensemble Learning of Segmentation Probability for Medical Image Segmentation with Ambiguous Labels
MGH（麻省总医院）；HMS（哈佛医学院）；UKE（汉堡大学医学中心）；MIT（麻省理工学院）；MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
尽管深度学习（DL）在许多分割任务上表现出色，但基于DL的方法对高度极化的标签概率的预测过于自信。这对于许多具有固有标签模糊性的应用来说通常是不期望的，甚至在人类注释中也是如此。这一挑战已经通过利用每个图像的多个注释和分割不确定性来解决。然而，多个每图像注释在现实世界的应用中通常不可用，并且不确定性不能向用户提供对分割结果的完全控制。在本文中，我们提出了新的方法来提高分割概率估计，而不会牺牲在现实世界中的情况下，我们只有一个模糊的注释，每个图像的性能。我们边缘化的估计分割概率图的网络，鼓励下/过段与不同的Tversky损失，而不惩罚平衡分割。此外，我们提出了一个统一的超网络集成方法，以减轻训练多个网络的计算负担。我们的方法成功地估计了反映底层结构的分割概率图，并为具有挑战性的3D医学图像分割提供了直观的分割控制。虽然我们提出的方法的主要重点不是提高二进制分割的性能，我们的方法略优于国家的最先进的。代码可在\url{https://github.com/sh4174/HypernetEnsemble}上获得。
2021-12-13 cs.CV cs.LG eess.IV
Specificity-preserving RGB-D Saliency Detection
School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院）；CVL, ETH Zurich（苏黎世联邦理工学院计算机视觉实验室）；School of Computer Science and Engineering, Northwestern Polytechnical University（西北工业大学计算机科学与工程学院）；School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院）；Institute of High Performance Computing, Agency for Science, Technology and Research（新加坡科技研究局高性能计算研究院）
RGB和深度图像上的显著目标检测（SOD）由于其有效性和现在可以方便地捕获深度线索的事实而吸引了越来越多的研究兴趣。现有的RGB-D SOD模型通常采用不同的融合策略从两种模态（\ie、RGB和深度）中学习共享的表示，而很少有方法明确考虑如何保留模态特定的特征。在这项研究中，我们提出了一个新的框架，称为SPNet}（特异性保持网络），它有利于SOD的性能，通过探索共享的信息和模态特定的属性（\eg，特异性）。具体来说，我们建议采用两个模态特定的网络和一个共享的学习网络，分别生成个人和共享的显着性预测图。为了有效地融合共享学习网络中的跨模态特征，我们提出了一个交叉增强集成模块（CIM），然后将融合后的特征传播到下一层，用于集成跨级别信息。此外，为了捕获丰富的互补多模态信息以提高SOD性能，我们提出了一个多模态特征聚合（MFA）模块，将来自每个单独解码器的特定于模态的特征集成到共享解码器中。通过使用跳过连接，编码器和解码器层之间的分层特征可以被完全组合。大量的实验表明，我们的~ \ours ~优于六个流行的RGB-D超氧化物歧化酶和三个老化的目标检测基准的尖端方法。该项目可在https://github.com/taozh2017/SPNet上公开获取。
2022-01-09 cs.CV
Towards Collective Intelligence: Uncertainty-aware SAM Adaptation for Ambiguous Medical Image Segmentation
Department of Computer Science, The University of Alabama at Birmingham（阿拉巴马大学伯明翰分校计算机科学系）；Doctoral Training Centre, University of Oxford（牛津大学博士培训中心）；Department of Biomedical Engineering and Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学生物医学工程系和电气与计算机工程系）；Computational Biology Department, Carnegie Mellon University（卡内基梅隆大学计算生物学系）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
针对现有SAM医学图像适配方法忽略专家标注不确定性、违背临床多专家集体诊断规律的问题，本文提出不确定性感知适配器框架，通过随机不确定性采样与位置条件控制机制建模多专家知识分布，在7个基准上实现了更优分割性能与计算效率。
2025-11-17 cs.CV eess.IV
AE TextSpotter: Learning Visual and Linguistic Representation for Ambiguous Text Spotting
Nanjing University（南京大学）；SenseTime Research（商汤科技研究院）；The University of Hong Kong（香港大学）；Alibaba-Group（阿里巴巴集团）；The University of Adelaide（阿德莱德大学）
场景文本识别的目的是在自然图像中检测和识别包含多个字符的完整单词或句子。它仍然具有挑战性，因为当字符之间的间距很大或字符均匀分布在多个行和列中时，经常会出现歧义，从而使许多视觉上看似合理的字符分组（例如，在图1（c）中，“BERLIN”被错误地检测为“BERL”和“IN”）。不同于以往的作品，仅仅采用视觉特征的文本检测，这项工作提出了一种新的文本spotter，名为歧义消除文本Spotter（AE TextSpotter），学习视觉和语言特征，以显着减少文本检测中的歧义。拟议的AE TextSpotter有三个重要的好处。1)语言表征与视觉表征一起在一个框架中学习。据我们所知，这是第一次通过使用语言模型来改进文本检测。2)一个精心设计的语言模块被用来降低检测不正确的文本行的信心，使他们很容易修剪在检测阶段。3)大量的实验表明，AE TextSpotter优于其他国家的最先进的方法，由一个很大的利润。例如，我们从IC 19-ReCTS数据集中仔细选择了一组非常模糊的样本，我们的方法比其他方法高出4%以上。该代码已在https://github.com/whai362/AE_TextSpotter上发布。验证集的图像列表和评估脚本已在https://github.com/whai362/TDA-ReCTS上发布。
2021-07-06 cs.CV
Specificity- and Calibration-Aware Breast Ultrasound Segmentation via Entropy-Guided Boundary Supervision
Department of Computer Science East Texas A\&M University Commerce, USA；Texas Woman's University Denton, USA
针对乳腺超声中病变边界泄漏和无病变区域假阳性问题，提出熵引导边界损失函数，在U-Net框架下提升特异性与概率可靠性。
2026-06-23 cs.CV cs.LG eess.IV
LEGNet: A Lightweight Edge-Gaussian Network for Low-Quality Remote Sensing Image Object Detection
Anhui University（安徽大学）；The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））
针对低质量遥感图像目标检测，提出轻量级骨干网络LEGNet，利用边缘-高斯聚合模块增强特征，在五个基准上达到最先进性能。
2025-10-24 cs.CV
ObjectMorpher: 3D-Aware Image Editing via Deformable 3DGS Models
The University of Hong Kong（香港大学）
ObjectMorpher通过可变形3DGS模型实现3D感知图像编辑，提供精确的物体级控制，支持快速且保持身份的编辑，优于2D拖拽和3D感知基线。
2026-03-30 cs.CV
Scene Text Image Super-Resolution via Content Perceptual Loss and Criss-Cross Transformer Blocks
文本图像的超分辨率是提高文本图像可读性的一项独特而重要的任务。它被广泛应用于场景文本识别的预处理。然而，由于自然场景的复杂退化，从低分辨率输入中恢复高分辨率文本是模糊和具有挑战性的。现有的方法主要利用深度神经网络，这些神经网络经过针对自然图像重建而设计的像素级损失训练，忽略了文本的独特字符特征。一些作品提出了基于内容的损失。然而，他们只关注文本识别器的准确性，而重建的图像可能仍然是模糊的人类。此外，它们在处理跨语言时通常具有较弱的通用性。为此，我们提出了TATSR，一个文本感知的文本超分辨率框架，它有效地学习独特的文本特征，使用交叉Transformer块（CCTBs）和一种新的内容感知（CP）损失。CCTB通过两个正交Transformers分别从文本图像中提取垂直和水平内容信息。CP Loss通过多尺度文本识别特征来监督文本内容语义重构，有效地将内容感知融入框架。在各种语言数据集上进行的大量实验表明，TATSR在识别精度和人类感知方面都优于最先进的方法。
2022-10-13 cs.CV
Vague2Detect: Handling Ambiguous Prompts in Knowledge-Based Open-World Detection
Dongguk University（东国大学）
针对YOLO-World难以处理模糊提示的问题，提出Vague2Detect混合流水线，结合微调Sentence-BERT和知识库检索候选，GPT-3.5扩展知识库，将VPSR从32%提升至61%，最高达85%。
2026-09-10 cs.CL cs.CV cs.LG
Examining Vision Language Models through Multi-dimensional Experiments with Vision and Text Features
School of Data Science, University of Virginia（数据科学学院，弗吉尼亚大学）
本研究通过多维实验框架，系统分析图像与提示特征对视觉语言模型性能的影响，发现微小改动即可显著改变模型行为与答案形成方式。
2025-09-10 cs.CV
Are a Thousand Words Better Than a Single Picture? Beyond Images -- A Framework for Multi-Modal Knowledge Graph Dataset Enrichment
University of Amsterdam, Amsterdam, The Netherlands（阿姆斯特丹大学，荷兰阿姆斯特丹）；Aarhus University, Aarhus, Denmark（哥本哈根大学，丹麦阿arhus）；Amazon AGI, Seattle, USA（亚马逊人工智能实验室，美国西雅图）
本文提出Beyond Images框架，通过多阶段流程增强多模态知识图谱数据集，利用文本描述和大语言模型融合多源信息，提升图谱完成性能，实验显示在多个数据集上取得显著提升。
2026-03-17 cs.AI cs.CV
Underspecification in Scene Description-to-Depiction Tasks
Google Research（谷歌研究院）
关于隐含性，模糊性和欠规范的问题是至关重要的理解任务的有效性和多模态图像+文本系统的伦理问题，但迄今为止很少受到关注。这份立场文件绘制了一个概念框架，以解决这一差距，重点是系统生成的图像描绘场景的场景描述。在这样做的时候，我们解释了文本和图像如何以不同的方式传达意义。我们概述了一系列关于文本和视觉模糊性的核心挑战，以及可能被模糊和未充分指定的元素放大的风险。我们提出并讨论了解决这些挑战的策略，包括生成视觉上模糊的图像，并生成一组不同的图像。
2022-10-11 cs.CL cs.CV
Rectifying Latent Space for Generative Single-Image Reflection Removal
School of Software, Tianjin University（软件学院，天津大学）
本文提出一种修正潜在空间的方法，通过引入反光等变VAE、任务特定文本嵌入和深度引导的早期分支采样策略，提升单图像反光去除的性能和泛化能力。
2025-12-06 cs.CV
BUSClean: Open-source software for breast ultrasound image pre-processing and knowledge extraction for medical AI
University of Hawai’i at Mānoa（夏威夷大学马诺阿分校）；University of Hawai’i Cancer Center（夏威夷大学癌症中心）
针对乳腺超声影像存在大量元数据未标注异常的问题，研究提出开源软件BUSClean，可实现扫描过滤、清洗与知识提取，在内部与公开数据集上均取得优异性能，且支持灵活适配新数据分布。
2024-10-29 cs.CV eess.IV
