Progressive Growing of Patch Size: Resource-Efficient Curriculum Learning for Dense Prediction Tasks
Technical University Munich（慕尼黑工业大学）；Helmholtz Munich（慕尼黑亥姆霍兹中心）；Munich Center of Machine Learning (MCML)（慕尼黑机器学习中心）；Universitat de Barcelona（巴塞罗那大学）；King’s College London（伦敦国王学院）
本研究提出渐进式Patch尺寸增长的隐式课程学习方法，整合入nnU-Net后在医学分割十项全能的10项任务中，7项Dice得分优于标准训练，且训练耗时仅为原来的约50%，大幅降低了计算成本与碳排放。
2024-07-11 cs.CV
A Pulmonary Nodule Detection Model Based on Progressive Resolution and Hierarchical Saliency
Northwestern Polytechnical University（西北工业大学）
在胸部CT上检测肺结节是肺癌早期诊断的重要步骤，这对最佳患者护理至关重要。尽管文献中已经发表了一些计算机辅助结节检测方法，但这些方法仍然有两个主要缺点：在检测结节候选者期间遗漏了真正的结节，以及从非结节中识别结节的准确性较低。在本文中，我们提出了一种自动肺结节检测算法，联合渐进分辨率和层次显着性。具体而言，我们设计了一个基于3D渐进分辨率的密集扩张FCN，即渐进分辨率网络（PRN），以检测肺内的结节候选者，并构建了一个具有分层显着性的密集扩张3D CNN，即分层显着性网络（HSN），以同时从这些候选者中识别真正的结节并估计结节的直径。我们在基准的LUng Nostrial Analysis 2016（LUNA16）数据集上评估了我们的算法，并获得了最先进的检测分数。我们的研究结果表明，该算法可以有效地检测肺部结节的胸部CT和准确地估计其直径。
2018-07-02 cs.CV
Two-stage Progressive Residual Dense Attention Network for Image Denoising
Yunnan Normal University（云南师范大学）
针对现有去噪模型同等利用层次特征导致性能受限的问题，提出两阶段渐进式残差密集注意力网络TSP-RDANet，通过RDAM和HDRDAM模块逐步去噪并保留浅层特征，在七个基准数据集上取得优异效果。
2024-01-05 cs.CV eess.IV
A Progressive Conditional Generative Adversarial Network for Generating Dense and Colored 3D Point Clouds
University of Texas at Arlington（得克萨斯大学阿灵顿分校）
在本文中，我们介绍了一种新的条件生成对抗网络，它可以以无监督的方式为各类对象创建密集的3D点云。为了克服在高分辨率下捕获复杂细节的困难，我们提出了一个点Transformer，它通过使用图形卷积来逐步增长网络。该网络由一个叶输出层和一组初始分支组成。每次训练迭代都将点向量演化为分辨率不断提高的点云。在固定次数的迭代之后，通过复制最后一个分支来增加分支的数量。实验结果表明，我们的网络能够学习和模仿3D数据分布，并在多个分辨率下生成具有精细细节的彩色点云。
2020-10-12 cs.AI cs.CV cs.LG
Real-time Progressive 3D Semantic Segmentation for Indoor Scene
Singapore University of Technology and Design（新加坡科技设计大学）；The University of Tokyo（东京大学）；Deakin University（迪肯大学）；Hong Kong University of Science and Technology（香港科技大学）
无人机和辅助机器人等自主系统的广泛采用产生了对实时的【形】高质量语义场景分割的需求。在本文中，我们提出了一个有效的，但强大的技术，在飞行密集重建和语义分割的三维室内场景。为了保证（近）实时的【形】性能，我们的方法是建立在一个高效的超体素聚类方法和一个条件随机场与高阶约束的结构和对象线索，使渐进密集语义分割，而无需任何预先计算。我们在SceneNN和ScanNet数据集中的不同室内场景（包括厨房，办公室和卧室）上广泛评估了我们的方法，并表明我们的技术在定性和定量实验中始终产生最先进的分割结果。
2019-04-05 cs.CV
Progressive Point Cloud Deconvolution Generation Network
Nanjing University of Science and Technology（南京理工大学）
本文提出了一种有效的点云生成方法，该方法可以从一个特征向量生成多分辨率的相同形状的点云。具体来说，我们开发了一种新的渐进反卷积网络与学习为基础的双边插值。在点云的空间和特征空间中进行基于学习的双边插值，以利用点云的局部几何结构信息。从低分辨率的点云开始，通过双边插值和最大池化操作，反卷积网络可以逐步输出高分辨率的局部和全局特征图。通过连接不同分辨率的局部和全局特征图，我们采用多层感知器作为生成网络来生成多分辨率点云。为了保持不同分辨率点云的形状一致，我们提出了一种保形对抗损失来训练点云反卷积生成网络。实验结果证明了该方法的有效性。
2020-07-10 cs.CV
Progressive Sparse Local Attention for Video object detection
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Horizon Robotics（地平线机器人）
将基于图像的目标检测器转移到视频领域仍然是一个具有挑战性的问题。以前的努力主要利用光流跨帧传播特征，旨在实现准确性和效率之间的良好权衡。然而，引入额外的模型来估计光流会显著增加整体模型大小。光流与高级特征之间的差距也可能阻碍其准确建立空间对应关系。而不是依赖于光流，本文提出了一种新的模块称为渐进稀疏局部注意力（PSLA），它建立了跨帧的功能之间的空间对应关系，在一个局部区域逐步稀疏的步幅和使用的对应关系来传播功能。基于PSLA算法，提出了一种新的视频目标检测框架，分别采用递归特征更新（RFU）和密集特征变换（DenseFT）对视频的时间外观进行建模，丰富特征表示。ImageNet VID上的实验表明，与现有方法相比，该方法具有更小的模型大小和可接受的运行速度，达到了最佳的准确性。
2019-08-16 cs.CV
SketchMamba: A Lightweight State-Space Model for Joint Progressive Sketch Classification and Stroke Auto-Completion
The National High School（国立高中）
研究针对矢量草图模型问题，提出SketchMamba单一因果序列模型，能连续分类草图并生成后续内容。通过密集逐步分类损失实现，在数据集上评估效果良好，参数主干表现出色，消融实验证实密集监督驱动早期预测，统一了识别与生成。
2026-07-28 cs.CV
Understanding Depth Map Progressively: Adaptive Distance Interval Separation for Monocular 3d Object Detection
Fudan University（复旦大学）；Baidu Inc.（百度公司）
提出自适应距离间隔分离网络（ADISN），将深度图按距离划分为子图并作为图像处理，结合不确定性模块和双分支学习，提升单目3D目标检测性能。
2023-06-19 cs.CV
Computational Models for Multiview Dense Depth Maps of Dynamic Scene
University of California, Berkeley（加州大学伯克利分校）
本文综述了动态场景深度图生成及其计算模型的研究进展。本文主要介绍了深度感知中的齐次模糊度模型、深度处理中的分辨率模型和深度优化中的一致性模型。最后对深度图生成的未来工作进行了总结。
2015-12-15 cs.CV
PAANet: Progressive Alternating Attention for Automatic Medical Image Segmentation
Indian Statistical Institute（印度统计研究所）；Østfold University College（东福尔大学学院）；SimulaMet；UiT The Arctic University of Norway（挪威北极大学）；Oslo Metropolitan University（奥斯陆城市大学）
医学图像分割可以为临床分析提供详细的信息，这对于发现的详细位置很重要的情况是有用的。了解疾病的位置可以在治疗和决策中发挥重要作用。基于卷积神经网络（CNN）的编码器-解码器技术提高了自动医学图像分割系统的性能。几种这样的基于CNN的方法利用诸如空间和信道方面的注意力的技术来增强性能。近年来引起关注的另一种技术是剩余密集块（RDB）。密集连接块中的连续卷积层能够提取具有不同感受野的各种特征，从而提高性能。然而，连续堆叠的卷积算子可能不一定生成有助于识别目标结构的特征。在本文中，我们提出了一个渐进交替注意网络（PAANet）。我们开发了渐进交替注意密集（PAAD）块，它使用所有尺度的特征在密集块中的每个卷积层之后构建一个引导注意图（GAM）。GAM允许密集块中的后续层聚焦于与目标区域相关的空间位置。每个交替的PAAD块反转GAM以生成反向注意力图，该反向注意力图引导随后的层提取边界和边缘相关信息，从而细化分割过程。我们在三个不同的生物医学图像分割数据集上的实验表明，与其他最先进的方法相比，我们的PAANet实现了良好的性能。
2021-11-20 cs.CV eess.IV
HumanMaterial: Human Material Estimation from a Single Image via Progressive Training
School of Computer Science, Wuhan University（武汉大学计算机学院）；Faculty of Engineering and IT, University of Technology Sydney Ultimo（新南威尔士大学Ultimo分校工程与信息技术学院）
针对单图人体逆向渲染中材质约束不足与多材质端到端训练欠拟合问题，本文构建OpenHumanBRDF数据集并提出带CPR损失的渐进式HumanMaterial模型，实现最先进材质估计。
2025-07-24 cs.CV
PAG-Net: Progressive Attention Guided Depth Super-resolution Network
Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）
在本文中，我们提出了一种新的方法，引导深度图超分辨率的挑战性问题，称为PAGNet。该算法基于残差稠密网络，并引入注意力机制来抑制由于RGB图像引导不当而产生的纹理复制问题。注意模块主要是基于深度特征对引导图像进行空间注意。我们在测试数据集上评估了所提出的训练模型，并与最先进的深度超分辨率方法进行了比较。
2019-11-22 cs.CV
Deep Functional Maps: Structured Prediction for Dense Shape Correspondence
Tel Aviv University（特拉维夫大学）；Intel（英特尔）；USI Lugano（卢加诺大学）；Sapienza University of Rome（罗马大学）；Technion（以色列理工学院）
我们介绍了一个新的框架，学习可变形的3D形状之间的密集对应。现有的基于学习的方法将形状对应建模为标签问题，其中查询形状的每个点接收标识某个参考域上的点的标签;然后通过组成两个输入形状的标签预测来构造后验对应。我们提出了一个范式转变，并设计了一个结构化的预测模型的空间功能图，线性算子，提供了一个紧凑的表示的对应关系。我们通过深度残差网络对学习过程进行建模，该网络将定义在两个形状上的密集描述符字段作为输入，并输出两个给定对象之间的软映射。由此产生的对应关系被证明是准确的几个具有挑战性的基准，包括多个类别，合成模型，真正的扫描与采集伪影，拓扑噪声，和噪声。
2017-07-30 cs.CV
Glance-MCMT: A General MCMT Framework with Glance Initialization and Progressive Association
提出一种多相机多目标跟踪框架Glance-MCMT，通过基于BoT-SORT的单相机跟踪、Glance初始化全局ID、优先级全局匹配策略及3D位置估计，实现跨视角一致的全局身份分配。
2025-07-14 cs.CV
DnD: Dense Depth Estimation in Crowded Dynamic Indoor Scenes
NAVER LABS（NAVER实验室）；University of Maryland（马里兰大学）；KAIST（韩国科学技术院）
我们提出了一种新的方法，用于在单目相机移动通过复杂和拥挤的室内环境时从单目相机估计深度，例如，百货公司或地铁站我们的方法通过对动态场景的训练，预测由静态背景和多个移动的人组成的整个场景的绝对尺度深度图。由于很难从拥挤的室内环境中收集密集的深度图，我们设计了我们的训练框架，而不需要从深度传感设备产生的深度。我们的网络利用传统3D重建方法生成的RGB图像和稀疏深度图来估计密集深度图。我们使用两个约束来处理非刚性移动的人的深度，而不明确跟踪他们的运动。我们证明，我们的方法提供了一致的改进，最近的深度估计方法的NAVERLABS数据集，其中包括复杂和拥挤的场景。
2021-08-12 cs.CV
Text-Driven Diverse Facial Texture Generation via Progressive Latent-Space Refinement
Zhejiang Gongshang University（浙江工商大学）；State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室）；Kuaishou Technology（快手科技）
针对现有3D面部纹理生成方法的局限，提出渐进式潜空间优化方法，结合自监督GAN与边缘感知SDS的互增强机制，生成高质量多样化的PBR面部纹理，性能优于现有方法。
2024-04-15 cs.CV
IAML: Illumination-Aware Mirror Loss for Progressive Learning in Low-Light Image Enhancement Auto-encoders
College of Science and Engineering, Hamad Bin Khalifa University（哈马德·本·卡西姆大学科学与工程学院）；ELEC department, Vrije Universiteit Brussel（布鲁塞尔自由大学电子工程系）
本文提出一种新颖的训练方法和损失函数，用于低光图像增强自编码器。通过教师-学生自编码器设置与渐进学习相结合，利用IAML损失函数将多尺度信息从干净图像解码器特征图镜像地蒸馏到学生解码器的每一层，以对齐学生解码器的特征图与教师侧的干净特征图，考虑输入图像中的光照变化影响。
2026-03-09 cs.AI cs.CV
SPAC: Sampling-based Progressive Attribute Compression for Dense Point Clouds
School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院）；School of Engineering and Sustainable Development, De Montfort University（德蒙福特大学工程与可持续发展学院）；School of Data Science, Lingnan University（岭南大学数据科学学院）
本研究提出一种基于采样的稠密点云渐进式属性压缩方法SPAC，通过频率采样、几何辅助特征提取和全局超先验熵模型实现端到端压缩，在MPEG标准测试集上性能首次超越G-PCC标准。
2024-09-16 cs.CV eess.IV
BA-Net: Dense Bundle Adjustment Network
本文介绍了一种网络架构，以解决结构从运动（SfM）的问题，通过特征度量光束法平差（BA），明确地强制执行多视图几何约束的形式特征度量误差。整个管道是可微的，因此网络可以学习适当的特征，使BA问题更易于处理。此外，这项工作引入了一种新的深度参数化来恢复密集的每像素深度。该网络首先根据输入图像生成几个基本深度图，并通过特征度量BA将最终深度优化为这些基本深度图的线性组合。基础深度图生成器也通过端到端训练来学习。整个系统很好地结合了领域知识（即硬编码的多视图几何约束）和深度学习（即特征学习和基础深度图学习），以解决具有挑战性的密集SfM问题。在大规模真实数据上的实验证明了该方法的有效性。
2019-08-25 cs.CV
Canonical 3D Deformer Maps: Unifying parametric and non-parametric methods for dense weakly-supervised category reconstruction
Facebook AI Research（Facebook人工智能研究院）
我们提出了典型的3D变形器地图，一个新的表示的3D形状的常见对象类别，可以从一个集合的2D图像的独立对象。我们的方法以一种新的方式建立在参数化变形模型，非参数化3D重建和规范嵌入的概念上，结合了它们各自的优势。特别地，它学习将每个图像像素与对应的3D对象点的变形模型相关联，该变形模型是规范的，即对于该点的身份是固有的并且在该类别的对象之间共享。其结果是一种方法，在训练时只给出稀疏的2D监督，在测试时，可以从单个视图重建对象的3D形状和纹理，同时在对象实例之间建立有意义的密集对应。它还在人脸、汽车和鸟类的公共野外数据集上实现了最先进的密集3D重建结果。
2020-12-06 cs.CV
SparseMamba-PCL: Scribble-Supervised Medical Image Segmentation via SAM-Guided Progressive Collaborative Learning
College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
针对涂鸦监督医学图像分割中标签传播与边界分割的局限，提出SparseMamba-PCL框架，结合Med-SAM与Sparse Mamba网络，通过渐进式协同学习增强特征表示，在多个数据集上超越九种先进方法。
2025-03-03 cs.CV
OPERA: A Unified Omnimodal Progressive Spatio-Temporal Reasoning Agent for Referring Video Segmentation
针对多模态查询的指代视频分割，提出基于单一MLLM的OPERA智能体，通过时间与空间双轴渐进推理，在OmniAVS和Ref-AVS上达到最先进水平，并可零样本迁移。
2026-09-29 cs.CV
SGTBN: Generating Dense Depth Maps from Single-Line LiDAR
深度完成的目的是从稀疏深度图和对齐的RGB图像生成密集深度图。然而，目前的深度完成方法使用极其昂贵的64线LiDAR（约10万美元）来获得稀疏的深度图，这将限制其应用场景。与64线激光雷达相比，单线激光雷达的成本要低得多，而且更耐用。因此，我们提出了一种方法来解决单线深度完成的问题，其中我们的目标是从单线LiDAR信息和对齐的RGB图像生成密集的深度图。在现有64线深度完井数据集（KITTI）的基础上，提出了一种单线深度完井数据集。提出了一种语义引导双分支网络（SGTBN），它包含全局和局部分支，用于提取和融合全局和局部信息。在我们的网络中使用语义引导的深度上采样模块，以充分利用RGB图像中的语义信息。除了通常的MSE损失外，我们还增加了虚拟法线损失，以增加网络中高阶3D几何的约束。我们的网络在单线深度完井任务中的表现优于最先进的水平。此外，与单目深度估计相比，该方法在精度和模型大小上也有明显的优势。
2021-06-24 cs.CV
Unified Dense Prediction of Video Diffusion
University of Virginia（弗吉尼亚大学）；University of California, Merced（加州大学默塞德分校）；Nanyang Technological University（南洋理工大学）；Stability AI（Stability AI公司）
提出统一视频扩散网络，结合色彩映射与可学习任务嵌入，从文本同时生成视频、实体分割和深度图，并构建多模态大规模数据集，提升质量且不增加计算成本。
2025-03-12 cs.CV
Progressive Self-Guided Loss for Salient Object Detection
Nanyang Technological University（南洋理工大学）；Ningbo University（宁波大学）
我们提出了一个简单而有效的渐进式自我引导损失函数，以促进图像中基于深度学习的显著目标检测（SOD）。由于显著对象的内部复杂性，大多数相关工作产生的显著图仍然遭受不完整的预测。我们提出的渐进式自我引导损失模拟了对模型预测的形态学关闭操作，用于逐步创建辅助训练监督以逐步指导训练过程。我们证明了这种新的损失函数可以引导SOD模型逐步突出更完整的显著对象，同时有助于以区域增长的方式揭示显著对象像素的空间依赖性。此外，提出了一种新的特征聚合模块，捕获多尺度特征，并通过分支注意力机制自适应地聚合它们。得益于这个模块，我们的SOD框架利用自适应聚合的多尺度特征来有效地定位和检测显著对象。几个基准数据集上的实验结果表明，我们的损失函数不仅提高了现有的SOD模型的性能，而无需架构修改，但也有助于我们提出的框架，以实现国家的最先进的性能。
2021-09-07 cs.CV
LiStereo: Generate Dense Depth Maps from LIDAR and Stereo Imagery
University of Michigan（密歇根大学）
准确的环境深度图对于自主机器人和车辆的安全操作至关重要。目前，使用光检测和测距（LIDAR）或立体匹配算法来获取这样的深度信息。然而，高分辨率LIDAR是昂贵的，并且在大范围内产生稀疏的深度图;立体匹配算法能够生成更密集的深度图，但在长范围内通常不如LIDAR准确。本文将这些方法结合在一起，生成高质量的密集深度图。与以前使用地面真实标签训练的方法不同，该模型采用了自我监督的训练过程。实验表明，该方法能够生成高质量的密集深度图，即使在低分辨率输入下也能稳健地执行。这显示了通过使用具有较低分辨率的激光雷达与立体声系统协同工作同时保持高分辨率来降低成本的潜力。
2020-06-25 cs.CV cs.RO
MixPro: Data Augmentation with MaskMix and Progressive Attention Labeling for Vision Transformer
Beijing University of Chemical Technology（北京化工大学）；Microsoft Research Asia（微软亚洲研究院）；Singapore University of Technology and Design（新加坡科技设计大学）
针对TransMix在图像裁剪和早期注意力图不可靠的问题，提出MaskMix与渐进注意力标签（PAL）相结合的数据增强方法MixPro，在ImageNet分类及多种下游任务上提升ViT模型的性能、迁移性和鲁棒性。
2023-08-07 cs.CV
U-HRNet: Delving into Improving Semantic Representation of High Resolution Network for Dense Prediction
Baidu VIS（百度视觉技术部）
高分辨率和高级语义表示对于密集预测都至关重要。经验上，低分辨率特征图通常实现更强的语义表示，而高分辨率特征图通常可以更好地识别边缘等局部特征，但包含较弱的语义信息。现有的最先进的框架，如HRNet，保持低分辨率和高分辨率特征图并行，并在不同分辨率之间反复交换信息。但我们认为，最低分辨率的特征图往往包含最强的语义信息，需要经过更多的层才能与高分辨率的特征图融合，而对于高分辨率的特征图，每个卷积层的计算成本非常大，不需要经过这么多层。因此，我们设计了一个U形高分辨率网络（U-HRNet），它在具有最强语义表示的特征图之后添加了更多的阶段，并放松了HRNet中所有分辨率都需要并行计算的约束。更多的计算分配给低分辨率的特征图，这显着提高了整体的语义表示。U-HRNet是HRNet骨干的替代品，可以在完全相同的训练和推理设置下，在几乎不增加计算量的情况下，对多个语义分割和深度预测数据集进行显著改进。代码可在PaddleSeg上获得：https://github.com/PaddlePaddle/PaddleSeg。
2022-10-13 cs.CV
Crowd Counting via Weighted VLAD on Dense Attribute Feature Maps
Southeast University（东南大学）；The University of Adelaide（阿德莱德大学）
人群计数是计算机视觉中的一项重要任务，在视频监控中有着广泛的应用。虽然基于回归的框架在人群计数方面取得了很大的进步，但如何提高图像表示的区分能力仍然是一个悬而未决的问题。传统的整体特征用于人群计数往往无法捕捉图像的语义属性和空间线索。在本文中，我们提出将语义信息集成到学习位置感知特征集中，以实现准确的人群计数。首先，在卷积神经网络（CNN）的帮助下，原始像素空间被映射到密集的属性特征图上，其中像素级特征的每个维度指示某个语义类的概率强度。然后，局部感知特征（LAF）的思想建立在相邻的补丁空间金字塔探索更多的空间背景和本地信息。最后，传统的VLAD编码方法被扩展到一个更一般的形式，其中不同的系数权重考虑。实验结果验证了该方法的有效性。
2016-04-29 cs.CV
Focal Inverse Distance Transform Maps for Crowd Localization
Huazhong University of Science and Technology（华中科技大学）；Beijing University of Posts and Telecommunications（北京邮电大学）
在本文中，我们专注于人群定位任务，人群分析的一个重要课题。大多数基于回归的方法利用卷积神经网络（CNN）对密度图进行回归，但由于密度图由一系列模糊的高斯斑点组成，密度图的稠密区域存在严重的重叠，无法在极密集场景中准确定位实例。为了解决这个问题，我们提出了一种新的焦点逆距离变换（FIDT）地图的人群定位任务。与密度图相比，FIDT图准确地描述了人的位置，在密集区域没有重叠。基于FIDT图，一个局部最大检测策略（LMDS）推导出有效地提取每个个人的中心点。此外，我们引入了独立SSIM（I-SSIM）损失，使模型倾向于学习局部结构信息，更好地识别局部极大值。大量的实验表明，所提出的方法报告国家的最先进的定位性能在六个人群数据集和一个车辆数据集。此外，我们发现，该方法表现出优越的鲁棒性上的负面和非常密集的场景，这进一步验证了FIDT地图的有效性。代码和模型将在https://github.com/dk-liang/FIDTM上提供。
2022-09-04 cs.CV
Weakly Supervised Semantic Segmentation via Progressive Patch Learning
Shenzhen University（深圳大学）；Meituan Inc.（美团公司）
现有的大多数语义分割方法都以图像级的类标签作为监督，高度依赖于从标准分类网络生成的初始类激活图（CAM）。在本文中，提出了一种新的“渐进式补丁学习”的方法，以提高局部细节提取的分类，生产CAM更好地覆盖整个对象，而不是只有最具歧视性的地区，在传统的分类模型中获得的CAM。“补丁学习”将特征图分解为补丁，并在最终聚合之前并行独立处理每个局部补丁。这种机制迫使网络从分散的有区别的局部部分中发现弱信息，从而实现增强的局部细节敏感性。“渐进式补丁学习”进一步以渐进的方式将特征破坏和补丁学习扩展到多级粒度。这种“渐进式补丁学习”机制与多阶段优化策略相配合，隐含地为模型提供了跨不同局部粒度的特征提取能力。作为隐式多粒度渐进融合方法的替代方案，我们还提出了一种显式方法，可以在单个模型中同时融合来自不同粒度的特征，进一步提高了全对象覆盖的CAM质量。我们提出的方法在PASCAL VOC 2012数据集上实现了出色的性能，例如，在测试集上具有69.6$% mIoU），这超过了大多数现有的弱监督语义分割方法。代码将在https://github.com/TyroneLi/PPL_WSSS上公开发布。
2022-09-16 cs.CV
Progressive Depth Decoupling and Modulating for Flexible Depth Completion
School of Automation, Hangzhou Dianzi University（杭州电子科技大学自动化学院）；School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件学院）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；School of Communication Engineering, Hangzhou Dianzi University（杭州电子科技大学通信工程学院）；Lishui Institute of Hangzhou Dianzi University（杭州电子科技大学丽水研究院）
针对现有深度补全分类方法中深度离散化易受场景分布变化影响的问题，提出渐进式深度解耦与调制网络，通过双分支渐进优化与双向交互、多尺度监督提升跨场景适应性，性能优于现有最优方法。
2024-05-15 cs.CV
PBE-UNet: A light weight Progressive Boundary-Enhanced U-Net with Scale-Aware Aggregation for Ultrasound Image Segmentation
Department of Computer Science, Shaoxing University（绍兴大学计算机科学系）；National Frontiers Science Center for Industrial Intelligence and Systems Optimization, Northeastern University（工业智能化与系统优化国家级前沿科学中心，东北大学）；College of Computer Science, Chongqing University（重庆大学计算机学院）；School of Computer and Computing Science, Hangzhou City University（杭州市大学计算机与计算科学学院）；ZJU-UIUC Institute, Zhejiang University（浙江大学ZJU-UIUC研究院）；Information Technology R&D Innovation Center of Peking University（北京大学信息技术研发创新中心）
本文提出PBE-UNet，通过引入尺度感知聚合模块和边界引导特征增强模块，解决超声图像分割中边界模糊和尺度变化的问题，实验表明其在四个数据集上优于现有方法。
2026-04-15 cs.CV
Vox-Fusion++: Voxel-based Neural Implicit Dense Tracking and Mapping with Multi-maps
Zhejiang University（浙江大学）；CARDC（中国空气动力研究与发展中心）；Hangzhou Dianzi University（杭州电子科技大学）
本文提出Vox-Fusion++，一种基于体素神经隐式表示和多地图策略的稠密跟踪与建图系统，通过八叉树划分、多进程框架及回环检测优化，在重建质量和精度上超越现有方法，并支持增强现实与协同建图。
2024-03-19 cs.CV
Improving 2D-3D Dense Correspondences with Diffusion Models for 6D Object Pose Estimation
Automation and Control Institute, TU Wien（维也纳技术大学自动化与控制研究所）；Department of Industrial Engineering, UAS Technikum Vienna（维也纳技术高等专业学院工业工程系）
本研究比较了GAN与扩散模型在图像到图像转换中用于六维物体姿态估计的稠密对应图生成，发现扩散模型表现更优，为姿态估计改进提供新方向。
2024-02-09 cs.CV
Dense Reward for Multi-View 3D Reasoning with Global Maps and Local Views
Graduate School of Artificial Intelligence, KAIST, Republic of Korea（韩国科学技术院人工智能研究生院）；KRAFTON, Republic of Korea（韩国KRAFTON公司）
提出DR-MV3D框架，通过全局一致性奖励和局部轨迹奖励对多视角3D VQA的中间推理过程进行密集监督，提升跨视图推理一致性。
2026-06-23 cs.CV
Learning Gaussian Maps for Dense Object Detection
Paralleldots Inc.（Paralleldots公司）
目标检测是计算机视觉中一个著名的研究分支，近年来出现了许多最先进的目标检测算法，但这些目标检测器在密集目标检测中的性能如何？在本文中，我们回顾了常见的和高度准确的目标检测方法的场景中，许多相似的物体被放置在彼此非常接近。我们还表明，高斯图的多任务学习以及分类和限界框回归使我们的准确性比基线有了显着的提高。我们在现有的RetinaNet网络中引入了高斯层和高斯解码器，以便在密集场景中获得更好的准确性，计算成本与RetinaNet相同。我们显示，相对于基线RetinaNet，mAP的增益为6\%和5\%。我们的方法在SKU 110 K \cite{sku110k}数据集上也达到了最先进的精度。
2020-04-30 cs.CV eess.IV
Dual-Domain Coarse-to-Fine Progressive Estimation Network for Simultaneous Denoising, Limited-View Reconstruction, and Attenuation Correction of Cardiac SPECT
Yale University（耶鲁大学）
提出DuDoCFNet多任务双域渐进网络，通过跨域跨模态融合同时实现心脏SPECT低剂量去噪、有限视角重建与无CT衰减图生成，性能优于现有方法。
2024-01-23 cs.CV eess.IV
PSCC-Net: Progressive Spatio-Channel Correlation Network for Image Manipulation Detection and Localization
Shanghai Jiao Tong University（上海交通大学）；McMaster University（麦克马斯特大学）；Michigan State University（密歇根州立大学）
为了抵御图像内容的操纵，如拼接，复制移动和删除，我们开发了一个渐进的空间通道相关网络（PSCC-Net）来检测和定位图像操纵。PSCC-Net以双路径过程处理图像：自上而下的路径提取局部和全局特征，自下而上的路径检测输入图像是否被操纵，并以多个尺度估计其操纵掩码，其中每个掩码以前一个为条件。与传统的编码器-解码器和非池化结构不同，PSCC-Net利用具有密集交叉连接的不同尺度的特征，以粗到细的方式产生操纵掩码。此外，空间-信道相关模块（SCCM）在自下而上的路径中捕获空间和信道相关性，这赋予特征整体线索，使网络能够应对各种操纵攻击。得益于轻量级的主干和渐进机制，PSCC-Net可以以50+ FPS的速度处理1，080 P图像。大量的实验证明了PSCC网络在检测和定位方面的优越性。
2022-08-13 cs.CV
Depth-wise layering of 3d images using dense depth maps: a threshold based approach
University of Mysore（迈索尔大学）
图像分割一直是计算机视觉中的一个基本问题。深度分层是一种以深度序列对图像进行切片的分割，与处理表面分解的传统图像分割问题不同。提出的深度分层技术使用静态场景的单个深度图像将其切片成多个层。该技术采用了阈值的方法来分割密集的深度图的行成更小的分区称为线段在本文中。然后，它使用线段标记的方法来识别的对象和场景的层的数量独立。最后一个阶段是将场景的对象链接到它们各自的对象层。我们通过将其应用于许多图像及其密集的深度图来评估所提出的技术的效率。实验表明，分层的结果是有希望的。
2020-10-05 cs.CV eess.IV
Generator Knows What Discriminator Should Learn in Unconditional GANs
NAVER AI Lab（NAVER人工智能实验室）；NAVER CLOVA
最近的条件图像生成方法受益于密集监督，如分割标签图，以实现高保真度。然而，很少有人探索采用密集监督的无条件图像生成。在这里，我们探讨了无条件生成中密集监督的有效性，并发现生成器特征映射可以替代成本昂贵的语义标签映射。从我们的经验证据，我们提出了一个新的生成器引导的正则化（GGDR），其中生成器的特征映射监督的正则化具有丰富的语义表示，在无条件生成。具体来说，我们采用了一个U-Net架构来进行训练，它被训练来预测以假图像作为输入的生成器特征图。在多个数据集上的大量实验表明，我们的GGDR在定量和定性方面不断提高基线方法的性能。代码可在https://github.com/naver-ai/GGDR上获得
2022-07-27 cs.CV
Progressive Focused Transformer for Single Image Super-Resolution
University of Electronic Science and Technology of China（电子科技大学）
针对Transformer超分辨率方法计算冗余问题，提出渐进聚焦Transformer（PFT），通过渐进聚焦注意力（PFA）聚焦关键标记并过滤无关特征，在降低计算成本的同时提升性能，达到SOTA。
2025-03-26 cs.CV
Generating Self-Guided Dense Annotations for Weakly Supervised Semantic Segmentation
National Tsing Hua University（国立清华大学）
在图像级监督下学习语义分割模型比在完全监督设置下更具挑战性。在不知道确切的像素-标签对应关系的情况下，大多数弱监督方法依赖于外部模型来推断伪像素级标签以用于训练语义分割模型。在本文中，我们的目标是开发一个单一的神经网络，而不诉诸任何外部模型。我们提出了一种新的自我引导策略，充分利用在多个级别上学习的特征，逐步生成密集的伪标签。首先，我们使用高级特征作为类特定的本地化映射来粗略定位类。接下来，我们提出了一个亲和度指导的方法，鼓励每个本地化地图是一致的，他们的中间水平的功能。第三，我们采用训练图像本身作为指导，并提出一种自我指导的细化，以进一步将图像的固有结构转移到地图中。最后，我们从这些本地化地图中获得伪像素级标签，并使用伪标签作为地面实况来训练语义分割模型。我们提出的自指导策略是一个统一的框架，它建立在单个网络上，并在训练过程中交替更新特征表示和细化定位图。在PASCAL VOC 2012分割基准上的实验结果表明，在相同的设置下，我们的方法优于其他弱监督方法。
2018-10-16 cs.CV
Collaborative Dense SLAM
Maynooth University（梅努斯大学）
在本文中，我们提出了一个新的系统，现场协作稠密表面重建。协作机器人、多参与者增强现实和人机交互都是协作映射可以用于更大的代理自主性的情况的示例。我们的系统建立在ElasticFusion的基础上，允许许多相机从未知的初始相对位置开始，利用原始算法维护本地地图。通过在这些本地地图上执行视觉地点识别，系统可以识别两个地图何时在空间中重叠，从而提供地图间约束，系统可以从该地图间约束导出两个地图的相对姿态。使用这些产生的姿势约束，我们的系统执行地图合并，允许多个相机融合到一个共享的重建他们的测量。这种方法的优点是，它避免了重复的结构后，循环关闭，其中多个摄像机遍历相同的区域的环境。此外，它允许相机直接利用和更新系统内其他相机先前映射的环境区域。我们使用合成ICL-NUIM数据集和真实世界的Freiburg数据集提供定量和定性分析，包括多相机映射对表面重建精度，相机姿态估计精度和整体处理时间的影响。我们还包括定性结果的形式，样本重建的房间大小的环境，多达3个摄像机进行交叉和循环轨迹。
2018-11-21 cs.CV
StereoDiffuer: Diffusion-based Progressive Geometry Modeling with Saliency Attention Perception for Stereo Matching
Shanghai Jiaotong University（上海交通大学）；Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波东方理工大学数字孪生研究院）
针对现有立体匹配方法难以保留细粒度几何细节的问题，提出基于扩散的StereoDiffuer框架，通过显著性注意力感知模块提取几何线索，结合迭代去噪扩散过程优化视差，在Scene Flow与KITTI基准上表现具竞争力。
2026-08-25 cs.CV
Dense Regression Activation Maps For Lesion Segmentation in CT scans of COVID-19 patients
Radboudumc（拉德堡德大学医学中心）；Thirona
胸部CT上的自动病变分割可以快速定量分析COVID-19感染的肺部受累情况。然而，获得大量的体素级注释用于训练分割网络是非常昂贵的。因此，我们提出了一种基于密集回归激活图（dRAM）的弱监督分割方法。大多数弱监督分割方法利用类激活图（CAM）来定位对象。然而，由于CAM是为了分类而训练的，因此它们不能与对象分割精确对齐。相反，我们使用来自分割网络的密集特征生成高分辨率激活图，该分割网络经过训练以估计每叶病变百分比。以这种方式，网络可以利用关于所需病变体积的知识。此外，我们还提出了一个注意力神经网络模块来优化dRAM，并与主回归任务一起优化。我们评估了我们的算法对90名受试者。结果表明，我们的方法实现了70.2%的Dice系数，大大优于基于CAM的基线48.6%。
2021-11-18 cs.CV cs.LG eess.IV
Keyframe-based Dense Mapping with the Graph of View-Dependent Local Maps
Institute of Control, Robotics and Information Engineering（控制、机器人与信息工程研究所）；Poznan University of Technology（波兹南技术大学）
本文提出了一种基于关键帧的密集映射方法，利用视点依赖结构和位姿图实现高精度环境建模与全局地图生成。
2026-01-13 cs.CV cs.RO
Progressive Uncertainty-Guided Evidential U-KAN for Trustworthy Medical Image Segmentation
本文提出Evidential U-KAN方法，通过结合渐进式证据不确定性引导注意力机制与语义保留证据学习策略，有效解决了医学图像分割中模糊边界细化与不确定性评估失真问题，显著提升了分割的准确性与可靠性。
2025-10-10 cs.CV eess.IV
DeepRelativeFusion: Dense Monocular SLAM using Single-Image Relative Depth Prediction
University of Alberta（阿尔伯塔大学）；Universiti Putra Malaysia（马来西亚博特拉大学）
在本文中，我们提出了一个密集的单目SLAM系统，名为DeepRelativeFusion，能够恢复全局一致的3D结构。为此，我们使用视觉SLAM算法来可靠地恢复关键帧的相机姿态和半密集深度图，然后使用相对深度预测来使半密集深度图致密化并细化关键帧姿态图。为了改善半密集深度图，我们提出了一种自适应滤波方案，这是一个结构保持加权平均平滑滤波器，考虑到像素的强度和深度的相邻像素，产生大量的重建精度增益致密化。为了执行致密化，我们在DeepFusion提出的能量最小化框架上引入了两个增量改进：（1）改进的成本函数，以及（2）使用单图像相对深度预测。在致密化之后，我们使用两视图一致的优化的半密集和密集深度图来更新关键帧，以改进姿势图优化，提供反馈回路来细化关键帧姿势以进行准确的场景重建。我们的系统优于国家的最先进的密集SLAM系统定量密集重建精度的大幅度提高。
2021-07-09 cs.CV cs.RO
DVMN: Dense Validity Mask Network for Depth Completion
Mannheim University of Applied Sciences（曼海姆应用科学大学）
LiDAR深度图在各种应用中提供环境指导。然而，这样的深度图通常是稀疏的并且不足以用于诸如自主导航的复杂任务。现有技术的方法使用图像引导的神经网络用于密集深度完井。我们开发了一个引导式卷积神经网络，专注于从稀疏深度图中收集密集和有效的信息。为此，我们引入了一个新的层，该层具有空间变化和内容相关的膨胀，以包括来自稀疏输入的额外数据。此外，我们提出了一个稀疏不变的残留瓶颈块。我们在KITTI深度完成基准上评估了我们的密集有效性掩码网络（DVMN），并获得了最先进的结果。在提交时，我们的网络是使用稀疏不变卷积的领先方法。
2021-07-14 cs.CV eess.IV
Dense Crowds Detection and Surveillance with Drones using Density Maps
Cátedras CONACYT（墨西哥国家科学技术委员会讲席项目）
从移动的无人机中检测和计数人群中的人提出了具有挑战性的问题，这些问题来自图像视角和摄像机角度的不断变化。在本文中，我们测试了两种不同的最先进的方法，使用贝叶斯损失函数训练的VGG 19生成密度图和使用ResNet 50-FPN作为骨干的FasterRCNN检测然后计数，以比较它们在无人机飞行的不同真实场景中计数和检测人的精度。我们证明了这两种方法在无人机接近地面时，在稀疏人群中检测和计数人的效果特别好。尽管如此，VGG 19在这两项任务上都提供了更好的精度，同时也比FasterRCNN更轻。此外，VGG 19在处理密集人群时优于Faster RCNN，证明对规模变化和强遮挡更鲁棒，更适合使用无人机的监视应用
2020-03-03 cs.CV cs.NE
Deep Clustering Activation Maps for Emphysema Subtyping
Radboud University Medical Center（拉德堡德大学医学中心）
我们提出了一种深度学习聚类方法，该方法利用分割网络中的密集特征对计算机断层扫描（CT）扫描的肺气肿子类型进行分类。使用密集特征能够通过密集聚类激活图（dCAM）实现与聚类分配对应的图像区域的高分辨率可视化。这种方法提供了模型的可解释性。我们评估了来自COPDGenestudy的500名受试者的聚类结果，放射科医生根据他们的视觉CT评估手动注释肺气肿亚型。我们实现了43%的无监督聚类准确率，超过了我们的基线41%，并产生了与监督分类45%相当的结果。该方法也提供了一个更好的集群形成比基线，在剪影系数和0.55的David-Bouldin分数分别为0.54和0.55。
2021-06-01 cs.CV eess.IV
Deep Weighted Consensus: Dense correspondence confidence maps for 3D shape registration
Tel Aviv University（特拉维夫大学）
我们提出了一个新的范例刚性对齐点云的基础上学习加权共识，这是强大的噪声以及旋转组的全频谱。当前的模型，可学习的或公理化的，通常通过端到端学习器或迭代方案，对于受限的方向和有限的噪声水平工作得很好。然而，现实世界的任务要求我们处理大的旋转以及离群值，所有已知的模型都无法提供。在这里，我们提出了一个不同的方向。我们声称，我们可以对齐点云的采样匹配点，根据来自一个密集的，软对齐地图的置信水平。流水线是可微的，并且在SO（3）的全谱中的大旋转下收敛，即使具有高噪声水平。我们将该网络与最近提出的方法（如DCP，PointNetLK，RPM-Net，PRnet）以及公理化方法（如ICP和Go-ICP）进行了比较。我们在此报告性能的根本提升。
2021-05-06 cs.AI cs.CV
