Uncertainty-DTW for Sequences and Visual Tokens
School of Engineering and Built Environment, Electrical and Electronic Engineering, Griffith University（工程与建筑环境学院，电气与电子工程学院，格里菲斯大学）；School of Computer Science and Engineering, University of New South Wales（计算机科学与工程学院，新南威尔士大学）
提出不确定性感知的动态时间规整（uDTW）框架，通过异方差不确定性建模和最大似然估计实现鲁棒对齐，并推广到视觉标记集，在多个领域取得优于现有方法的结果。
2026-05-24 cs.AI cs.CV cs.LG
Lightweight, Uncertainty-Aware Conformalized Visual Odometry
University of Illinois Chicago（伊利诺伊大学芝加哥分校）
数据驱动的视觉里程计（VO）是自主边缘机器人的关键子程序，该领域的最新进展已经在复杂环境中产生了高度准确的点预测。然而，新兴的自主边缘机器人设备，如昆虫规模的无人机和手术机器人，缺乏一个计算效率高的框架来估计VO的预测不确定性。与此同时，随着边缘机器人技术继续扩散到关键任务应用领域，对模型预测不确定性的认识对于风险感知决策至关重要。本文解决了这一挑战，提出了一种新的，轻量级的，统计上强大的框架，利用共形推理（CI）提取VO的不确定性带。我们的方法表示使用灵活的，适应性强，可调的预测区间，平均而言，保证包括地面真理在所有自由度（DOF）的姿态估计的不确定性。我们讨论了生成深度神经网络的架构，用于估计多变量不确定性带以及点（均值）预测。我们还提出了技术，以提高不确定性估计的准确性，如利用蒙特卡洛辍学（MC-辍学）的数据增强。最后，我们提出了一种新的训练损失函数，它将区间评分和校准损失与传统的训练指标-均方误差和KL发散-结合起来，以提高不确定性感知学习。我们的仿真结果表明，所提出的框架一致地捕捉到了不同数据集，估计模型和应用的噪声类型的姿态估计的真实不确定性，表明其广泛的适用性。
2023-03-03 cs.AI cs.CV cs.LG
Enhancing Vision-Language Model Reliability with Uncertainty-Guided Dropout Decoding
Carnegie Mellon University（卡内基梅隆大学）；Princeton University（普林斯顿大学）；University of Chicago（芝加哥大学）；Stony Brook University（石溪大学）
通过不确定性引导的丢弃解码方法，有效减少视觉-语言模型的幻觉问题，提升输出的可靠性和质量。
2025-12-27 cs.AI cs.CV cs.LG
CUAHN-VIO: Content-and-Uncertainty-Aware Homography Network for Visual-Inertial Odometry
Delft University of Technology（代尔夫特理工大学）
基于学习的视觉自我运动估计是有前途的，但还没有准备好在现实世界中的导航敏捷移动机器人。在这篇文章中，我们提出了CUAHN-VIO，一个强大的和有效的单目视觉惯性里程计（VIO）设计的微型飞行器（MAVs）配备了一个向下面对的相机。视觉前端是一个内容和不确定性感知的单应性网络（CUAHN），它对非单应性图像内容和网络预测失败的情况具有鲁棒性。它不仅预测单应变换，而且估计其不确定性。训练是自我监督的，因此它不需要通常难以获得的地面实况。该网络具有良好的通用性，可以在新环境中进行“即插即用”部署，而无需进行微调。一个轻量级的扩展卡尔曼滤波器（EKF）作为VIO后端，并利用从视觉测量更新的网络的均值预测和方差估计。CUAHN-VIO在高速公共数据集上进行了评估，并显示出与最先进的（SOTA）VIO方法相媲美的准确性。由于对运动模糊的鲁棒性，低网络推理时间（~ 23 ms）和稳定的处理延迟（~ 26 ms），CUAHN-VIO成功地在Nvidia Jetson TX 2嵌入式处理器上运行，以导航快速自主MAV。
2022-08-30 cs.CV cs.LG cs.RO
Omni-SILA: Towards Omni-scene Driven Visual Sentiment Identifying, Locating and Attributing in Videos
School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院）
针对视觉情感理解忽略隐式场景信息的问题，提出全场景驱动的Omni-SILA任务及隐式增强因果混合专家（ICM）方法，通过定制模块建模场景并突出隐式信息，在构建数据集上显著优于先进Video-LLMs。
2025-02-26 cs.AI cs.CV
VOICE: Variance of Induced Contrastive Explanations to quantify Uncertainty in Neural Network Interpretability
Georgia Institute of Technology（佐治亚理工学院）
本文提出VOICE方法，通过量化基于梯度的视觉解释技术中的预测不确定性，揭示错误预测下解释技术对归因特征的不确定性，并发现其客观指标与认知不确定性表现相似。
2024-06-01 cs.CV cs.LG
Pixel-Wise Prediction based Visual Odometry via Uncertainty Estimation
National Tsing Hua University（国立清华大学）
本文介绍了基于逐像素预测的视觉里程计（PWVO），这是一个密集的预测任务，评估其输入观测中每个像素的平移和旋转值。PWVO采用不确定性估计来识别输入观测中的噪声区域，并采用选择机制来整合基于估计的不确定性图的逐像素预测以获得最终的平移和旋转。为了以全面的方式训练PWVO，我们进一步开发了用于生成合成训练数据的数据生成工作流程。实验结果表明，PWVO能够提供良好的结果。此外，我们的分析验证了PWVO中所采用的设计的有效性，并表明PWVO估计的不确定性映射能够捕获其输入观测值中的噪声。
2022-08-18 cs.AI cs.CV
Leveraging Visual Signals for Robust Token-Level Uncertainty in Vision-Language Generation
AMIAD, Pôle Recherche, Palaiseau（AMIAD研究部，帕莱索）
针对大型视觉语言模型不确定性量化中视觉信息利用不足的问题，提出基于视觉锚定的词元级不确定性量化框架VIG-TUQ，通过加权语言不确定性与视觉锚定分数，无需训练即可提升不确定性估计性能。
2026-09-10 cs.CV
Inertial Guided Uncertainty Estimation of Feature Correspondence in Visual-Inertial Odometry/SLAM
Korea University（高丽大学）
针对视觉惯性里程计/SLAM中特征匹配易受图像退化影响的问题，提出惯性引导的特征匹配不确定性估计方法，通过构建引导分布拟合图像误差能量函数提升鲁棒性，并在公开数据集上验证了有效性。
2023-11-07 cs.CV cs.RO
Uncertainty-based Visual Question Answering: Estimating Semantic Inconsistency between Image and Knowledge Base
OKESTRO Co., Ltd（OKESTRO有限公司）；Dongguk University（东国大学）
基于知识的视觉问答（KVQA）任务旨在回答需要额外的外部知识以及对图像和问题的理解的问题。最近关于KVQA的研究以多模态形式注入外部知识，并且随着使用更多的知识，可能会添加不相关的信息，并且可能混淆问答。为了更好地利用这些知识，本研究提出了以下几点：1）引入了一种新的语义不一致性度量，该度量是由字幕不确定性和语义相似度计算得到的; 2）提出了一种新的基于语义不一致性度量的外部知识同化方法，并将其应用于KVQA的显性知识和隐性知识的整合; 3）在OK-VQA数据集上对所提出的方法进行了测试，取得了较好的性能。
2022-07-27 cs.AI cs.CL cs.CV
U-ViLAR: Uncertainty-Aware Visual Localization for Autonomous Driving via Differentiable Association and Registration
Baidu Inc.（百度公司）
U-ViLAR通过可微关联和注册方法，提升自动驾驶中视觉定位的鲁棒性和精度，实验表明其在多种定位任务中表现优异。
2026-04-24 cs.CV cs.RO
D3VO: Deep Depth, Deep Pose and Deep Uncertainty for Monocular Visual Odometry
Technical University of Munich（慕尼黑工业大学）；Artisense
我们提出D3 VO作为一种新的框架，用于单目视觉里程计，在三个层面上利用深度网络-深度，姿态和不确定性估计。我们首先提出了一种新的自监督单目深度估计网络训练立体视频没有任何外部监督。特别地，它将训练图像对对齐到具有预测亮度变换参数的相似照明条件中。此外，我们对输入图像上像素的光度不确定性进行建模，这提高了深度估计的准确性，并为直接（无特征）视觉里程计中的光度残差提供了一个学习的加权函数。评估结果表明，该网络优于国家的最先进的自我监督深度估计网络。D3 VO将预测的深度、姿态和不确定性紧密结合到直接的视觉里程计方法中，以增强前端跟踪和后端非线性优化。我们在KITTI里程计基准和EuRoC MAV数据集上对D3 VO进行了单眼视觉里程计的评估，结果表明D3 VO的性能大大优于传统的单眼VO方法。它还实现了与KITTI上最先进的立体/LiDAR里程计和EuRoC MAV上最先进的视觉惯性里程计相当的结果，同时仅使用单个相机。
2020-03-28 cs.AI cs.CV
On the Flip Side: Identifying Counterexamples in Visual Question Answering
Harvard University（哈佛大学）
视觉问答（VQA）模型响应关于图像的开放式自然语言问题。虽然VQA是一个越来越受欢迎的研究领域，但目前还不清楚当前的VQA架构在多大程度上学习了视觉相似图像之间的关键语义差异。为了研究这个问题，我们探索了VQA任务的重新表述，该任务挑战模型以识别反例：导致原始问题不同答案的图像。我们介绍了两种方法来评估现有的VQA模型对监督反例预测任务，VQA-CX。虽然我们的模型超过了VQA-CX上现有的基准，但我们发现，现有的最先进的VQA模型所学习的多模态表示并没有对这项任务的性能做出有意义的贡献。这些结果对VQA基准测试的成功表现表明一般视觉语义推理能力的假设提出了质疑。
2018-07-24 cs.CV
Epistemic Uncertainty-Weighted Loss for Visual Bias Mitigation
University of Leeds（利兹大学）
针对深度神经网络易学习视觉数据偏见且现有缓解方法依赖偏见先验知识的问题，提出基于贝叶斯神经网络的预测不确定性加权损失函数，通过动态识别样本认知不确定性并加权以缓解偏见，在基准和真实数据上验证了有效性。
2024-06-04 cs.AI cs.CV cs.CY
Semantic and Feature Guided Uncertainty Quantification of Visual Localization for Autonomous Vehicles
Sibley School of Mechanical and Aerospace Engineering, Cornell University（科尼尔大学机械与航空航天工程学院）
本文提出一种基于轻量级传感器误差模型的不确定性量化方法，融合图像特征与语义信息，用于自动驾驶视觉定位，并在Ithaca365数据集上验证了其优于高斯分布的预测性能。
2025-06-18 cs.CV cs.RO
Question Relevance in VQA: Identifying Non-Visual And False-Premise Questions
Virginia Tech（弗吉尼亚理工大学）；UNC Chapel Hill（北卡罗来纳大学教堂山分校）；Georgia Institute of Technology（佐治亚理工学院）
视觉问答是回答关于图像的自然语言问题的任务。我们介绍了新的问题，确定问题的相关性的图像VQA。目前的VQA模型并不考虑一个问题是否与给定的图像相关（例如，阿根廷的首都是哪里？）或者它是否需要来自外部资源的信息来正确回答。这可能会破坏人机交互中对话的连续性。我们确定相关性的方法由两个阶段组成。给定一个图像和一个问题，（1）我们首先确定这个问题是否是视觉的，（2）如果是视觉的，我们确定这个问题是否与给定的图像相关。我们的方法基于LSTM-RNNs，VQA模型不确定性和标题问题相似性，能够在两个相关性任务上超越强基线。我们还展示了人类研究，表明使用此类问题相关性推理增强的VQA模型被认为更智能、合理且更人性化。
2016-09-26 cs.CL cs.CV cs.LG
Uncertainty of visual measurement and efficient allocation of sensory resources
The Salk Institute for Biological Studies（索尔克生物研究所）；Leicester University（莱斯特大学）
我们审查的推理基础的两种方法相结合的感官不确定性。第一种方法是不明确的，对不确定性或刺激参数的属性不做任何假设。然后，我们解释这种方法和一个常用的建模“更高层次”的感觉系统，如在视觉线索整合，假设刺激的属性之间的关系。这两种方法遵循类似的逻辑，除了在一种情况下最大的不确定性被最小化，而在另一种情况下最小的确定性被最大化。然后，我们展示了如何找到最优解的不确定性下的资源分配问题。
2014-05-03 cs.CV cs.IT math.IT
UniFField: A Generalizable Unified Neural Feature Field for Visual, Semantic, and Spatial Uncertainties in Any Scene
TU Darmstadt（图宾根大学）；Robotics Institute（机器人研究所）
UniFField是一种通用的统一神经特征场，能够整合视觉、语义和几何特征，预测不确定性，适用于任何场景中的鲁棒决策。
2026-03-11 cs.CV cs.LG cs.RO
Unsupervised Data Uncertainty Learning in Visual Retrieval Systems
Honda Research Institute, USA（本田美国研究所）
我们引入了一个无监督的配方估计异方差的不确定性检索系统。我们提出了一个扩展的三重损失模型的数据不确定性为每个输入。除了提高性能，我们的配方模型的嵌入空间中的局部噪声。它量化了输入的不确定性，从而提高了系统的可解释性。这有助于识别查询和搜索数据库中的噪声观测。图像和视频检索应用程序的评价突出了我们的方法的实用性。我们强调了我们使用两个真实世界数据集（Clothing1M和Honda Driving数据集）对局部噪声建模的效率。定性结果说明了我们的能力，在确定混乱的情况下，在各个领域。不确定性学习还可以通过检测嘈杂的训练标签来进行数据清理。
2019-02-07 cs.CV
Training-free Uncertainty Guidance for Complex Visual Tasks with MLLMs
Technical University of Munich（慕尼黑技术大学）；Munich Center for Machine Learning（慕尼黑机器学习中心）；Helmholtz Munich（海德堡-慕尼黑亥姆霍兹研究中心）；Google（谷歌）；LTCI, Télécom Paris, Institut Polytechnique de Paris（巴黎理工大学 LTCI 实验室）
提出无需训练的框架，利用MLLM内在不确定性主动引导，通过响应不确定性评分候选视觉输入，使模型自主聚焦关键信息，在视觉搜索、长视频理解等任务中达到与微调系统相当的性能。
2026-06-29 cs.CV
On Epistemic Uncertainty of Visual Tokens for Object Hallucinations in Large Vision-Language Models
Seoul National University（首尔大学）
本研究揭示视觉令牌的认知不确定性是物体幻觉的关键因素，提出通过对抗扰动识别并掩蔽不确定令牌的VE修改策略，显著减少幻觉并可与现有方法协同。
2025-10-10 cs.AI cs.CL cs.CV
Probabilistic framework for solving Visual Dialog
Indian Institute of Technology Kanpur（印度理工学院坎普尔分校）
在本文中，我们提出了一个概率框架，解决任务的“可视对话框”。解决这个问题需要推理和理解的视觉形态，语言形态和常识知识来回答。已经提出了各种架构来通过组合视觉和语言表示的多模态深度学习技术的变体来解决这个任务。然而，我们认为，理解和分析不确定性的来源对于解决这一任务至关重要。我们的方法允许估计不确定性，也有助于产生不同的答案。所提出的方法是通过一个概率表示模块，为我们提供了图像，问题和会话历史的表示，一个模块，确保候选答案的不同的潜在表示得到给定的概率表示和不确定性表示模块，选择适当的答案，最大限度地减少不确定性。我们通过详细的消融分析、与最先进技术的比较以及有助于理解该方法的不确定性的可视化来彻底评估该模型。使用所提出的概率框架，我们从而获得一个改进的视觉对话系统，也更易于解释。
2019-10-17 cs.CL cs.CV cs.LG
KappaPlace: Learning Hyperspherical Uncertainty for Visual Place Recognition via Prototype-Anchored Supervision
Faculty of Engineering Bar-Ilan University（工程学院巴伊兰大学）
本文提出KappaPlace，一种学习具有不确定性的视觉位置识别表示的框架，通过原型锚定监督策略利用潜在类别代表作为概率目标，以减轻视觉位置识别中不确定性估计不准确的问题，从而提高导航系统的可靠性。
2026-05-19 cs.AI cs.CV
From Model Uncertainty to Human Attention: Localization-Aware Visual Cues for Scalable Annotation Review
Scientific Computing Center（科学计算中心）；Institute for Information Systems（信息系统研究所）
研究针对模型预测中类标签与空间边界分离的问题，通过可视化空间不确定性提升标注质量与效率，验证了定位不确定性的有效性。
2026-05-12 cs.CV cs.HC cs.LG
Pretrained Visual Uncertainties
University of Tübingen（蒂宾根大学）；Google Research（谷歌研究院）；TUM University（慕尼黑工业大学）
本文提出首批视觉模型预训练不确定性模块，通过解决梯度冲突并加速训练，实现不确定性的零样本迁移，可分离偶然与认知不确定性并支持安全检索。
2024-02-27 cs.CV cs.LG
LatentBKI: Open-Dictionary Continuous Mapping in Visual-Language Latent Spaces with Quantifiable Uncertainty
University of Michigan（密歇根大学）
本文提出 LatentBKI，一种基于视觉-语言潜在空间和贝叶斯核推断的开放词典连续建图算法，在 Matterport3D 和 Semantic KITTI 数据集上验证了其可量化不确定性和开放查询能力。
2025-01-21 cs.CV cs.RO
Audio-Driven Talking Face Video Generation with Joint Uncertainty Learning
Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济发展实验室）；Shenzhen University（深圳大学）；Tongji University（同济大学）
针对说话人脸视频生成中因忽略视觉不确定性导致的视觉质量不一致和性能不可靠问题，提出联合不确定性学习网络（JULNet），通过预测误差图和不确定性图并利用KL散度联合优化二者，有效提升了视频的高保真度与音唇同步性能。
2025-04-26 cs.AI cs.CV
Uncertainty based Class Activation Maps for Visual Question Answering
Indian Institute of Technology, Kanpur（坎普尔印度理工学院）
理解和解释深度学习模型是一项势在必行的任务。为此，我们提出了一种方法，获得基于梯度的确定性估计，也提供视觉注意力地图。特别地，我们解决了视觉问答任务。我们结合了现代概率深度学习方法，通过使用这些估计的梯度来进一步改进。这有两方面的好处：a）在获得与误分类样本更好相关的确定性估计方面的改进，以及b）在与人类注意区域的相关性方面提供最先进结果的改进的注意力图。改进后的注意力地图对视觉问答的各种方法都有一致的改进。因此，所提出的技术可以被认为是为深度学习模型获得改进的确定性估计和解释的处方。我们提供了详细的实证分析的视觉问答任务的所有标准的基准和比较与国家的最先进的方法。
2020-01-23 cs.CL cs.CV cs.LG
U-CAM: Visual Explanation using Uncertainty based Class Activation Maps
Indian Institute of Technology, Kanpur（印度理工学院坎普尔分校）
理解和解释深度学习模型是一项势在必行的任务。为此，我们提出了一种方法，获得基于梯度的确定性估计，也提供视觉注意力地图。特别地，我们解决了视觉问答任务。我们结合了现代概率深度学习方法，通过使用这些估计的梯度来进一步改进。这有两方面的好处：a）在获得与误分类样本更好相关的确定性估计方面的改进，以及b）在与人类注意区域的相关性方面提供最先进结果的改进的注意力图。改进后的注意力地图对视觉问答的各种方法都有一致的改进。因此，所提出的技术可以被认为是获得改进的确定性估计和深度学习模型解释的秘诀。我们提供了详细的实证分析的视觉问答任务的所有标准的基准和比较与国家的最先进的方法。
2019-10-17 cs.CL cs.CV cs.LG
Visual Semantic Entropy: Do Vision Language Models Recognize Visual Ambiguity?
Australian Institute for Machine Learning, Adelaide University（澳大利亚机器学习研究所，阿德莱德大学）；Flinders University（弗林德斯大学）
针对视觉语言模型在模糊输入下产生自信错误预测的问题，提出视觉语义熵（VSE），通过仅扰动图像并聚类生成答案的语义原型来量化不确定性，在五个模型和五个基准上达到最优。
2026-07-01 cs.AI cs.CL cs.CV
From Uncertainty to Determinism: Coarse-to-Fine Visual Floorplan Localization without Ray Matching
该研究针对视觉楼层平面图定位的多模态姿态分布问题，提出无射线匹配的由粗到细框架，通过图像条件姿态扩散模型与局部细化器实现定位，在S3D和ZInD基准上达到最优精度与鲁棒性。
2026-08-04 cs.CV cs.RO
Focus, Don't Prune: Identifying Instruction-Relevant Regions for Information-Rich Image Understanding
Korea University（韩国大学）；KT Corporation（KT公司）；Soongsil University（松山大学）；Kakao Mobility（Kakao移动）
本文提出PinPoint框架，通过识别与指令相关的图像区域并提取细粒度视觉特征，提升多模态任务的推理效率与准确性。
2026-03-24 cs.AI cs.CV
Measuring uncertainty in human visual segmentation
École normale supérieure, PSL University（巴黎高等师范学院，PSL大学）；CNRS（法国国家科学研究中心）；Albert Einstein College of Medicine（阿尔伯特·爱因斯坦医学院）；Université Paris Cité（巴黎西岱大学）
提出一种集成方法，通过像素级相同-不同判断和模型重建测量人类视觉分割图，验证于自然图像与复合纹理，揭示图像不确定性影响人类变异性与特征权衡，为感知理论和分割算法提供定量测试与基准。
2023-10-11 cs.AI cs.CV q-bio.NC
Multi-Camera Sensor Fusion for Visual Odometry using Deep Uncertainty Estimation
University of Surrey（萨里大学）
视觉里程计（VO）估计是车辆状态估计和自动驾驶的重要信息来源。最近，基于深度学习的方法已经开始出现在文献中。然而，在驾驶的背景下，基于单个传感器的方法往往容易失败，因为由于环境因素，摄像头放置等降低图像质量，为了解决这个问题，我们提出了一个深度传感器融合框架，估计车辆运动的姿态和不确定性估计从多个车载摄像头。我们使用混合CNN - RNN模型从一组连续图像中提取时空特征表示。然后，我们利用混合密度网络（MDN）来估计6-DoF姿态作为分布的混合物，并利用融合模块来估计最终姿态，使用来自多个相机的MDN输出。我们在公开的大规模自动驾驶汽车数据集nuScenes上评估了我们的方法。结果表明，所提出的融合方法超越了国家的最先进的，并提供了强大的估计和准确的轨迹相比，个人相机为基础的估计。
2021-12-23 cs.CV cs.RO
Identifying Mild Traumatic Brain Injury Patients From MR Images Using Bag of Visual Words
New York University（纽约大学）
轻度创伤性脑损伤（mTBI）是一个日益严重的公共卫生问题，估计在美国每年有100万人发病。神经认知测试用于评估患者状况和监测患者进展。这项工作旨在直接使用损伤后不久拍摄的MR图像来检测患者是否患有mTBI，通过结合机器学习和计算机视觉技术来学习适合区分mTBI和正常患者的特征。我们专注于大脑的3个区域，并从它们中提取多个补丁，并使用视觉词袋技术来表示每个主题作为来自所有训练对象的补丁的代表性模式的直方图。在提取特征后，我们使用贪婪的前向特征选择，选择一个子集的特征，达到最高的精度。我们通过实验研究表明，BoW功能比以前使用的简单的平均值功能更好。
2018-02-14 cs.CV
Uncertainty Quantification for Visual Object Pose Estimation: S-Lemma Ellipsoidal Bounds
Massachusetts Institute of Technology（麻省理工学院）
SLUE通过凸优化方法为视觉目标姿态估计提供高概率的椭球不确定性界，有效缩小平移界限并保持方向精度。
2026-08-04 cs.CV cs.RO
WhyAct: Identifying Action Reasons in Lifestyle Vlogs
University of Michigan（密歇根大学）
我们的目标是自动识别在线视频中的人类行为原因。我们专注于生活方式vlog的广泛类型，其中人们在口头描述它们的同时执行动作。我们介绍并公开了WhyAct数据集，该数据集由1，077个手动注释其原因的视觉动作组成。我们描述了一个多模态模型，利用视觉和文本信息，自动推断的原因，对应于在视频中呈现的动作。
2021-09-09 cs.CL cs.CV
Through the Lens of Doubt: Robust and Efficient Uncertainty Estimation for Visual Place Recognition
School of Electronics and Computer Science, University of Southampton（索姆塞特大学电子与计算机科学学院）；School of Electronics and Computer Science, Queensland University of Technology（昆士兰科技大学电子与计算机科学学院）；School of Computer Science and Electronic Engineering, University of Essex（埃塞克斯大学计算机科学与电子工程学院）
针对视觉地点识别中的不确定性估计问题，提出三种无需训练的统计度量（SD、RS、SU），利用相似度分数模式评估匹配置信度，在九种方法和六个数据集上优于现有方法且计算开销极低。
2025-10-15 cs.CV cs.RO
VERA: Identifying and Leveraging Visual Evidence Retrieval Heads in Long-Context Understanding
Tongji University（同济大学）；Zhejiang University（浙江大学）；Westlake University（西湖大学）；Amazon Web Services（亚马逊网络服务）
VERA通过识别和利用视觉证据检索头，提升长上下文理解能力，显著提高开源VLMs的性能。
2026-02-09 cs.CL cs.CV
CoProU-VO: Combining Projected Uncertainty for End-to-End Unsupervised Monocular Visual Odometry
TU Munich（慕尼黑工业大学）；DeepScenario；Munich Center for Machine Learning（慕尼黑机器学习中心）
针对无监督单目视觉里程计在动态场景下因静态假设失效导致位姿不准的问题，提出结合跨帧投影不确定性的CoProU-VO方法，在KITTI等数据集上实现性能提升。
2025-08-01 cs.CV
LGU-SLAM: Learnable Gaussian Uncertainty Matching with Deformable Correlation Sampling for Deep Visual SLAM
School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院）
针对深度视觉SLAM中不确定区域模糊相似性干扰导致匹配噪声大的问题，提出带可变形相关采样与KAN偏置GRU的可学习高斯不确定性匹配方法，提升匹配精度与建图效果。
2024-10-30 cs.CV
On the Estimation of Image-matching Uncertainty in Visual Place Recognition
TU Delft（代尔夫特理工大学）
本文首次系统比较视觉地点识别中图像匹配不确定性估计方法，提出利用参考位姿的简单基线SUE，证明L2距离优于数据驱动方法，并可与几何验证互补。
2024-03-31 cs.CV
Cycle-Consistency Uncertainty Estimation for Visual Prompting based One-Shot Defect Segmentation
AI Tech Team, LG Energy Solution（LG能源解决方案 AI技术团队）
针对视觉提示方法在工业缺陷检测中的过度自信问题，提出基于循环一致性的不确定性估计方法，通过计算恢复提示掩码与原始掩码的mIoU量化不确定性，在VISION24挑战赛中取得0.9175的良率。
2024-09-21 cs.CV
Estimating MRI Image Quality via Image Reconstruction Uncertainty
University College London（伦敦大学学院）；King’s College London（伦敦国王学院）
医学图像分析中的质量控制（QC）是耗时且费力的，导致对自动化方法的兴趣增加。然而，被认为适合算法处理的质量可能与人类感知的视觉质量测量不同。在这项工作中，我们提出了MR图像质量评价从图像重建的角度。我们使用异方差不确定性模型训练贝叶斯CNN，从噪声数据中恢复干净的图像，提供预测的不确定性度量。这个框架使我们能够将数据损坏分为可学习和不可学习的组件，并导致我们将预测的不确定性解释为对图像可实现恢复的估计。因此，我们认为，视觉评估的质量控制不能等同于算法处理的质量控制。我们验证了这一说法，在多任务实验结合人工制品恢复与不确定性预测和灰色物质分割。认识到视觉质量和算法质量之间的这种区别具有以下影响：根据下游任务，仅基于“视觉质量”原因可以排除更少的数据。
2021-06-21 cs.CV eess.IV
NEOviz: Uncertainty-Driven Visual Analysis of Asteroid Trajectories
University of Utah（犹他大学）；Linköping University（林雪平大学）；University of Washington（华盛顿大学）
针对近地小行星轨迹不确定性可视化难题，提出交互式系统NEOviz，创新展示三维不确定区域，结合撞击地图评估风险，助力行星防御。
2024-11-05 astro-ph.EP astro-ph.IM cs.CV
Identifying Wrongly Predicted Samples: A Method for Active Learning
Toyota Motor Europe（丰田汽车欧洲公司）
最先进的机器学习模型需要访问大量的注释数据，以实现所需的性能水平。虽然未标记的数据可以大量使用，甚至是丰富的，但注释过程可能非常昂贵和有限。在假设某些样本对于给定任务比其他样本更重要的情况下，主动学习的目标是识别应该为其获取注释的信息量最大的样本的问题。而不是传统的依赖模型的不确定性作为代理，以利用新的未知标签，在这项工作中，我们提出了一个简单的样本选择标准，超越不确定性。通过先接受模型预测，再判断其对泛化误差的影响，可以更好地识别错误预测样本。我们进一步提出了一个近似我们的标准，是非常有效的，并提供了一个基于相似性的解释。除了在主动学习的标准基准上评估我们的方法之外，我们还考虑了具有挑战性但又现实的不平衡数据场景，其中类别不平等。我们展示了最先进的结果和更好的识别错误预测样本的速度。我们的方法很简单，与模型无关，并且依赖于当前的模型状态，而不需要从头开始重新训练。
2020-10-14 cs.CV cs.LG stat.ML
Synthetic Photography Detection: A Visual Guidance for Identifying Synthetic Images Created by AI
University of Applied Sciences and Arts Northwestern Switzerland（西北瑞士应用科学与艺术大学）；armasuisse S+T（瑞士联邦防务技术采购局）
针对AI生成的类真实合成照片可能被恶意利用的威胁，本研究聚焦近期生成式扩散模型的可见伪影缺陷，对伪影分类并举例，探讨检测挑战与实际应用，为合成图像识别提供视觉指导。
2024-08-12 cs.CV cs.CY
Detecting Clinical Hallucinations in LVLMs via Counterfactual Visual Grounding Uncertainty
School of Intelligent Science and Technology, Nanjing University（南京大学智能科学与技术学院）；National Institute of Healthcare Data Science at Nanjing University（南京大学医疗数据科学国家研究院）；School of Biomedical Engineering, Nanjing University（南京大学生物医学工程学院）
提出一种基于反事实视觉基础不确定性的框架，通过提取实体并对比正反事实定位结果计算不确定性分数，无需修改模型即可检测LVLM在临床图像中的幻觉。
2026-06-26 cs.CL cs.CV
Unveiling Deep Semantic Uncertainty Perception for Language-Anchored Multi-modal Vision-Brain Alignment
Shanghai Jiao Tong University（上海交通大学）；Nanyang Technological University（南洋理工大学）；Zhejiang University（浙江大学）；Zhejiang University of Technology（浙江工业大学）
本文提出Bratrix框架，通过语言锚定语义解耦与不确定性感知对齐，首次实现多模态视觉-大脑端到端对齐，并在EEG、MEG和fMRI任务中显著提升检索、重建与字幕生成性能。
2025-11-06 cs.CV
ASAP: Visual Analytics for Identifying and Analyzing Image Patterns in AI-generated Images
Arizona State University（亚利桑那州立大学）；University of Maryland（马里兰大学）；Fujitsu Research of America（富士通美国研究院）；IBM Research（IBM研究院）
本文提出ASAP，一个交互式可视化系统，利用CLIP适配编码器和影响测量技术识别并量化AI生成图像中的欺骗性模式，支持多模型比较，并通过用户研究和基准测试验证其有效性。
2026-09-24 cs.CV cs.HC
CameraVDP: Perceptual Display Assessment with Uncertainty Estimation via Camera and Visual Difference Prediction
University of Cambridge（剑桥大学）
本文提出CameraVDP框架，将相机重建流程与视觉差异预测器结合，实现显示器的感知评估，并通过不确定性分析提供缺陷检测性能上限和VDP质量分数的置信区间。
2025-09-21 cs.CV cs.GR
Consistency and Uncertainty: Identifying Unreliable Responses From Black-Box Vision-Language Models for Selective Visual Question Answering
Northeastern University（东北大学）
针对黑盒视觉-语言模型无法访问内部或重训练的问题，提出用小代理模型近似采样问题邻域，并依据邻域一致性识别不可靠回答，支持选择性视觉问答。
2024-04-16 cs.CV
Toward Accurate and Reliable Iris Segmentation Using Uncertainty Learning
University of Chinese Academy of Sciences（中国科学院大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
虹膜分割是虹膜识别系统中确定性的一部分。虹膜区域尤其是边缘区域的不可靠分割仍然是影响虹膜识别准确性的瓶颈问题。为了进一步提高虹膜分割的准确性和可靠性，本文提出了一个双边自注意模型，并通过探索空间和视觉关系设计了具有层次结构的双边Transformer（BiTrans）。双侧自我注意模块采用空间分支提取空间背景信息，不降低分辨率;采用视觉分支提取大感受野视觉背景特征。BiTrans积极应用卷积投影和交叉注意力来改善空间感知和分层特征融合。此外，虹膜分割不确定性学习是根据预测的差异来学习不确定性地图。利用估计的不确定性，设计了一个加权方案和一个正则化项，以减少预测的不确定性。更重要的是，不确定性估计反映了分割预测的可靠性。在三个公开数据库上的实验结果表明，该方法使用SOTA IrisParseNet的20% FLOP实现了更好的分割性能。
2021-11-18 cs.CV
Uncertainty-Guided Inference-Time Depth Adaptation for Transformer-Based Visual Tracking
本文提出UncL-STARK，通过动态不确定性引导的深度适应，在不修改网络的情况下，提升基于变换器的视觉跟踪效率，实现计算开销降低和能耗节省。
2026-02-19 cs.CV
