AdCorDA: Classifier Refinement via Adversarial Correction and Domain Adaptation
McGill University(麦吉尔大学)
本文提出AdCorDA分类器精炼方法,通过对抗校正修正训练集错分类样本、再经域适应还原,在CIFAR-100上准确率提升超5%,还可提升量化网络性能与模型对抗鲁棒性。
2024-01-24 cs.AI cs.CV cs.LG
Deformable ProtoPNet: An Interpretable Image Classifier Using Deformable Prototypes
University of Maine(缅因大学);Duke University(杜克大学)
本文提出Deformable ProtoPNet,通过引入空间灵活的可变形原型部件来捕捉姿态变化和上下文,在保持基于案例推理可解释性的同时提升了图像分类准确性和解释丰富性。
2024-05-02 cs.AI cs.CV cs.LG
A Classification Refinement Strategy for Semantic Segmentation
Ohio State University(俄亥俄州立大学);Air Force Research Laboratory(空军研究实验室)
观察的基础上,语义分割错误是部分可预测的,我们提出了一个紧凑的配方使用混乱的统计训练分类细化(重新估计)的初始像素标签假设。所提出的策略是视情况而定的计算一个给定的数据集的分类器混淆概率和估计一个相关的图像中存在的对象类进行分类之前。我们提供了一个程序来鲁棒地估计混淆概率,并探索多个先验定义。实验显示,使用不同的先验知识,以提高国家的最先进的语义分割分类器的多个具有挑战性的数据集上的性能进行比较。这项研究表明,显着提高语义标记的潜力,并激励未来的工作,从图像可靠的标签先验估计。
2018-01-23 cs.AI cs.CV cs.LG
FiRe: Fixed-Noise Refinement for Visual Counterfactual Explanations
Technical University of Denmark(丹麦技术大学)
FiRe是一种用于视觉反事实解释的固定噪声细化框架,通过映射到固定噪声水平迭代细化、适配Pixel Mean Flow及三项专属控制机制,实现了更快推理、更低运算量与优质反事实质量。
2026-08-11 cs.CV
Memory Classifiers: Two-stage Classification for Robustness in Machine Learning
University of Pennsylvania(宾夕法尼亚大学);Perelman School of Medicine(佩雷尔曼医学院);Wharton School of Business(沃顿商学院)
机器学习模型的性能在数据的分布偏移下会显著降低。我们提出了一种新的分类方法,它可以提高鲁棒性分布偏移,通过结合专家知识的“高层次”的数据结构与标准分类。具体来说,我们引入两阶段分类器称为记忆分类器。首先,它们识别原型数据点--内存--以聚类训练数据。该步骤基于在专家指导下设计的特征;例如,对于图像数据,可以使用数字图像处理算法来提取特征。然后,在每个聚类中,我们通过深度神经网络等标准模型,基于更精细的区分特征学习局部分类器。我们建立了记忆分类器的泛化界。实验结果表明,该方法可以提高图像数据集的泛化能力,并对图像数据集的分布偏移具有较好的鲁棒性.我们展示了超越标准数据增强技术的改进。
2022-08-29 cs.AI cs.CV cs.LG
ProtoFL: Unsupervised Federated Learning via Prototypical Distillation
KakaoBank Corp.(韩国Kakao银行公司);Korea Electronics Technology Institute(韩国电子技术研究院);Inha University(仁荷大学);KAIST(韩国科学技术院)
本文提出ProtoFL,通过原型表征蒸馏的无监督联邦学习增强全局模型表征能力并降低通信成本,同时引入基于归一化流的局部单类分类器,首次将联邦学习用于提升单类分类性能,并在多个基准上验证了其优越性。
2023-08-08 cs.AI cs.CV cs.LG
Multi-Prototype Embedding Refinement for Semi-Supervised Medical Image Segmentation
College of Computer and Information Science, Southwest University(西南大学计算机与信息科学学院);School of Computer Science, Peking University(北京大学计算机学院)
针对半监督医学图像分割中类内方差研究不足、传统线性分类器难以捕捉精细体素差异的问题,提出基于多原型的嵌入精修方法,通过多原型分类挖掘类内变化并结合一致性约束,在两个基准上取得优于现有方法的性能。
2025-03-18 cs.CV eess.IV
ProtoConNet: Prototypical Augmentation and Alignment for Open-Set Few-Shot Image Classification
本文提出ProtoConNet方法,通过融合背景上下文信息增强特征空间多样性,包含CDS、CSR和PA三个模块,有效提升了开放集少样本图像分类的表示学习与未知样本识别性能。
2025-07-16 cs.CV
Generative Pseudo-label Refinement for Unsupervised Domain Adaptation
Istituto Italiano di Tecnologia(意大利理工学院);Università di Verona(维罗纳大学);Huawei Technologies Ltd.(华为技术有限公司)
我们研究和表征条件生成对抗网络(cGAN)对条件标签中噪声的固有弹性,并在无监督领域自适应(UDA)的背景下利用这一事实。在UDA中,在标记的源集合上训练的分类器可以用于推断未标记的目标集合上的伪标签。然而,这将导致大量错误分类的示例(由于众所周知的域偏移问题),这可以被解释为目标集的地面实况标签中的噪声注入。我们表明,cGAN在某种程度上对这种“移位噪声”具有鲁棒性。事实上,使用噪声伪标签训练的cGAN能够过滤这些噪声并生成更清晰的目标样本。我们在迭代过程中利用这一发现,其中生成模型和分类器被联合训练:反过来,生成器允许从目标分布中采样更干净的数据,分类器允许将更好的标签与目标样本相关联,逐步改进目标伪标签。对常见基准测试的结果表明,我们的方法表现得更好,或与无监督领域自适应的最先进的状态。
2020-01-09 cs.CV
Towards Adaptive Semantic Segmentation by Progressive Feature Refinement
Tongji University(同济大学)
语义分割作为计算机视觉的基本任务之一,在实际应用中起着重要的作用。尽管随着卷积网络的快速发展,众多的深度学习模型在几个主流数据集上取得了显著的进展,但它们在实际场景中仍然遇到各种挑战。无监督自适应语义分割的目的是获得一个鲁棒的分类器训练的源域数据,这是能够保持稳定的性能时,部署到不同的数据分布的目标域。在本文中,我们提出了一个创新的渐进式特征细化框架,以及领域对抗学习,以提高分割网络的可移植性。具体来说,我们首先对齐源和目标域图像的多级中间特征图,然后采用域分类器来区分分割输出。因此,可以将用源域图像训练的分割模型转移到目标域,而不会显著降低性能。实验结果验证了我们所提出的方法相比,国家的最先进的方法的效率。
2020-09-30 cs.CV
Learning Classifiers for Domain Adaptation, Zero and Few-Shot Recognition Based on Learning Latent Semantic Parts
Boston University(波士顿大学)
在计算机视觉应用中,例如领域自适应(DA)、少样本学习(FSL)和零样本学习(FSL),我们遇到了新的对象和环境,对于这些对象和环境,不存在足够的示例来允许训练“从头开始的模型”,并且需要使在所呈现的训练环境上训练的现有模型适应新场景的方法。我们提出了一种新的视觉属性编码方法,编码每个图像作为一个低维的概率向量组成的原型部分类型的概率。学习的原型是所有训练数据的代表。在测试时,我们利用这种编码作为分类器的输入。在测试时,我们冻结编码器,只学习/调整分类器组件以适应FSL中有限的注释标签;在FSL中添加新的语义属性。我们在基准数据集上进行了广泛的实验。我们的方法优于针对特定上下文(EML,FSL,DA)训练的最先进方法。
2019-08-16 cs.CV
Data-Efficient American Sign Language Recognition via Few-Shot Prototypical Networks
Computer Science, NYUAD(纽约大学亚当分校计算机科学系)
本文提出一种少样本原型网络框架,通过时空图卷积网络和多尺度时间聚合模块提升手语识别的准确率与泛化能力。
2025-12-11 cs.CV
LPN: Language-guided Prototypical Network for few-shot classification
Defense Innovation Institute (DII), Academy of Military Sciences(军事科学院国防创新研究院)
针对少样本分类任务,提出语言引导原型网络LPN,通过视觉-语言双并行分支融合多模态信息,利用预训练文本编码器提取类别文本特征,经特征对齐、精细化原型构建等步骤校准单模态偏差,在基准数据集上达到与最优方法相当的性能。
2023-10-21 cs.CV
Harnessing Textual Semantic Priors for Knowledge Transfer and Refinement in CLIP-Driven Continual Learning
针对CLIP驱动持续学习中稳定性-可塑性困境,提出SECA框架,通过SG-AKT模块实现语义感知知识迁移、SE-VPR模块优化视觉原型语义结构,实验验证其有效性。
2025-11-11 cs.CV
Noise-Tolerant Hybrid Prototypical Learning with Noisy Web Data
Zhejiang University(浙江大学)
针对少量干净标注与大量带噪网络图像的分类问题,提出 SimNoiPro 相似度最大化损失,构建抗噪混合原型并端到端建模图像关系,在两个扩展小样本基准上优于已有方法。
2025-01-05 cs.CV cs.LG
Generative Augmentation for EEG Motor Imagery Classification: A Class-Conditional VAE with Cycle-Consistent Decoder Refinement
Naqi Logix(纳奇逻辑公司);Inria Center at Univ. Bordeaux / LaBRI(波尔多大学/LaBRI研究所的Inria中心);LITIS, INSA Rouen-Normandy(鲁昂-诺曼底高等电子与电工技术工程师学校的LITIS实验室)
研究生成模型能否提供合成MI-EEG试验提高下游分类器准确性,训练带集成潜在分类器的CVAE,在两种评估协议下通过四个分类管道测试,发现合成EEG可提高MDM点估计,增益小且依赖分类器。
2026-07-28 cs.CV cs.LG
Anatomically Consistent TMJ Disc Segmentation via Semantic Anchoring and Clinical Priors
Department of Artificial Intelligence, Yonsei University(燕山大学人工智能学院);Department of Computer Science, Emory University(埃默里大学计算机科学系);College of Dentistry, Yonsei University(燕山大学牙科学院)
提出TISC框架,通过原型语义锚定模块定位关节盘,并利用临床元数据(开口受限指标)细化边界,在2488例MRI上实现Dice提升4.96,生成解剖一致的分割。
2026-06-23 cs.AI cs.CV eess.IV
DTG-Restore: Training-Free Diffusion Refinement for Generative Video Super-Resolution
Virginia Tech(弗吉尼亚理工大学);Adobe(Adobe公司)
提出解耦时间引导(DTG)方法,通过时间解耦条件与无条件分支,无需训练即可增强扭曲低分辨率视频,提升结构保真度和时间稳定性。
2026-05-28 cs.CV
Recurrent-OctoMap: Learning State-based Map Refinement for Long-Term Semantic Mapping with 3D-Lidar Data
University of Lincoln(林肯大学);University of Technology of Belfort-Montbéliard(贝尔福-蒙贝利亚尔技术大学)
本文提出了一种新的语义映射方法,递归映射,从长期的三维激光雷达数据。大多数现有的语义映射方法专注于提高单个帧的语义理解,而不是语义映射的3D细化(即融合语义观察)。最广泛使用的3D语义地图细化方法是贝叶斯更新,它融合了马尔可夫链模型之后的连续预测概率。相反,我们提出了一种学习方法来融合语义特征,而不是简单地融合分类器的预测。在我们的方法中,我们将我们的3D地图表示和维护为递归映射,并将每个细胞建模为递归神经网络(RNN),以获得递归映射。在这种情况下,语义映射过程可以用公式表示为序列到序列的编码-解码问题。此外,为了延长我们的Recurrent-Map中的观察持续时间,我们开发了一个强大的3D定位和映射系统,用于使用超过两周的数据连续映射动态环境,并且该系统可以使用任意内存长度进行训练和部署。我们在ETH长期3D激光雷达数据集上验证了我们的方法[1]。实验结果表明,我们提出的方法优于传统的“贝叶斯更新”的方法。
2018-07-29 cs.CV cs.RO
HiGFA: Hierarchical Guidance for Fine-grained Data Augmentation with Diffusion Models
HiGFA通过分层引导和动态置信度调节,提升细粒度数据增强的合成图像质量。
2025-12-01 cs.CV
Guided Path Sampling: Steering Diffusion Models Back on Track with Principled Path Guidance
The Hong Kong University of Science and Technology (Guangzhou)(香港科学与技术大学(广州));Griffith University\&Data61/CSIRO(格里菲斯大学与Data61/CSIRO)
引导路径采样通过原理性路径引导提升扩散模型的稳定性和生成质量,优于现有方法。
2025-12-28 cs.CV
A Data-Driven Approach for Tag Refinement and Localization in Web Videos
Università degli Studi di Firenze(佛罗伦萨大学);Stanford University(斯坦福大学);Università degli Studi di Modena e Reggio Emilia(摩德纳-雷焦艾米利亚大学)
随着基于web的服务和社交网络在其用户中普及了标记功能,视觉内容的标记正变得越来越普遍。这些用户生成的标签用于简化媒体集的浏览和探索,例如使用标签云,或检索多媒体内容。然而,并非所有媒体都被用户标记。使用当前的系统很容易标记一张照片,甚至标记照片的一部分,比如一张脸,在Flickr和Facebook这样的网站上也很常见。另一方面,标记视频序列更复杂且耗时,使得用户仅标记视频的整体内容。在本文中,我们提出了一种自动视频注释的方法,增加了原来由用户提供的标签的数量,并将它们暂时定位,将标签与关键帧相关联。我们的方法利用了嵌入在用户生成的标签和网络资源中的集体知识,以及上传到YouTube和Flickr等社交网站的关键帧和图像的视觉相似性,以及Google和Bing等网络资源。给定一个关键帧,我们的方法能够从这些视觉源中动态选择与该测试样本最相关的训练样本,并继续在类似图像中传输标签。与现有的视频标记方法,需要训练分类器为每个标签相比,我们的系统具有很少的参数,易于实现,可以处理一个开放的词汇场景。我们在DUT-WEBV(一个大型的网络视频数据集)上展示了标签细化和本地化的方法,并展示了最先进的结果。
2015-05-28 cs.CV cs.IR cs.MM