Fine-grained Category Discovery under Coarse-grained supervision with Hierarchical Weighted Self-contrastive Learning
Xi’an Jiaotong University（西安交通大学）；University of Massachusetts Boston（马萨诸塞大学波士顿分校）；Zhejiang University（浙江大学）；Lenovo Research（联想研究院）
新类别发现的目的是使在已知类别上训练的模型适应新类别。以前的工作只关注已知和新颖类别具有相同粒度的情况。在本文中，我们研究了一个新的实际场景称为细粒度的类别发现下粗粒度的监督（FCDC）。FCDC的目标是发现细粒度的类别，只有粗粒度的标记数据，它可以适应模型的类别不同的粒度从已知的，并减少显着的标签成本。这也是一项具有挑战性的任务，因为粗粒度类别的监督训练往往专注于类间距离（粗粒度类别之间的距离），但忽略了类内距离（细粒度子类之间的距离），这对于分离细粒度类别至关重要。针对目前大多数方法不能将知识从粗粒度层传递到细粒度层的问题，提出了一种分层加权自对比网络，通过构造一种新的加权自对比模块，并将其与监督学习分层结合.在公共数据集上的大量实验表明，我们的模型比比较方法的有效性和效率。代码和数据可在https://github.com/Lackel/Hierarchical_Weighted_SCL上获得。
2022-10-14 cs.AI cs.CL cs.LG
Enriching Location Representation with Detailed Semantic Information
SpaceTimeLab, University College London, UK（SpaceTimeLab，伦敦大学学院，英国）
本文提出 CaLLiPer+ 模型，通过在多模态对比学习中引入 POI 名称与类别标签来丰富城市位置表示，在土地利用分类和社会经济制图任务上相较基线提升 4%–11%，并验证了细粒度语义信息对城市基础模型的价值。
2025-06-03 cs.AI cs.CE
UrbanFM: Inferring Fine-Grained Urban Flows
National University of Singapore（新加坡国立大学）；Xidian University（西安电子科技大学）；JD Intelligent City Research & JD Urban Computing Business Unit（京东智能城市研究院与京东城市计算事业部）
城市流量监测系统在全球智慧城市工作中发挥着重要作用。然而，监控设备（例如CCTV）的无处不在的部署引起了用于维护和操作的长期且巨大的成本。这表明需要一种技术，可以减少部署的设备数量，同时防止数据准确性和粒度的退化。在本文中，我们的目标是推断实时和细粒度的人群流量在整个城市的粗粒度的基础上观察。这一任务具有挑战性，原因有二：粗粒度和细粒度城市流之间的空间相关性，以及外部影响的复杂性。为了解决这些问题，我们开发了一种基于深度神经网络的UrbanFM方法。该模型由两部分组成：1）推理网络，通过特征提取模块和分布式上采样模块从粗粒度输入中生成细粒度流分布; 2）通用融合子网，通过考虑不同外部因素的影响，进一步提高性能。在TaxiBJ和HappyValley两个真实数据集上进行的大量实验验证了我们的方法与七个基线相比的有效性和效率，展示了我们的方法在细粒度城市流推理问题上的最新性能。
2019-02-06 cs.CV cs.LG
Fine-Grained Urban Flow Inference
National University of Singapore（新加坡国立大学）；JD Intelligent Cities Research（京东智能城市研究院）
在城市流量监测系统中，监测设备的无处不在的部署引起了维护和操作的显著成本。需要一种技术来减少部署的设备的数量，同时防止数据准确性和粒度的退化。在本文中，我们提出了一种方法来推断的实时和细粒度的人群流量在整个城市的粗粒度的基础上观察。这项任务表现出两个挑战：粗粒度和细粒度的城市流之间的空间相关性，以及外部影响的复杂性。为了解决这些问题，我们开发了一个名为UrbanFM的模型，该模型由两个主要部分组成：1）一个推理网络，用于从粗粒度输入生成细粒度的流量分布，该推理网络使用特征提取模块和一个新的分布式上采样模块; 2）一个通用融合子网，通过考虑不同外部因素的影响来进一步提高性能。这种结构为小规模上采样提供了出色的效果和效率。然而，UrbanFM使用的单程上采样在更高的上尺度速率下是不够的。因此，我们进一步提出了UrbanPy，一个级联模型，用于通过将原始任务分解为多个子任务来逐步推断细粒度的城市流。与UrbanFM相比，这种增强的结构对于更大规模的推理任务表现出良好的性能。
2020-02-05 cs.CV cs.LG stat.ML
CityPulse: Fine-Grained Assessment of Urban Change with Street View Time Series
Stanford University（斯坦福大学）；University of California San Diego（加利福尼亚大学圣迭戈分校）
针对传统城市变化测量时空粒度受限的问题，提出基于街景时间序列的端到端变化检测模型，并构建迄今最大数据集，实现大规模、细粒度且准确的城市物理变化评估。
2024-01-03 cs.CV
FUSU: A Multi-temporal-source Land Use Change Segmentation Dataset for Fine-grained Urban Semantic Understanding
The University of Hong Kong（香港大学）；Sun Yat-Sen University（中山大学）；National Supercomputing Center（国家超级计算中心）；Tsinghua University（清华大学）；Peng Cheng Labratory（鹏城实验室）；Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院）
本文提出首个细粒度土地利用变化分割数据集FUSU，含17类、300亿像素标注及多时相高分辨率遥感数据，并设计统一时间序列架构以支持城市变化检测与分割。
2024-06-07 cs.CV
UrbanBIS: a Large-scale Benchmark for Fine-grained Urban Building Instance Segmentation
Shenzhen University（深圳大学）；The Chinese University of Hong Kong（香港中文大学）
本研究提出面向大规模3D城市理解的UrbanBIS基准数据集，覆盖多类标注与细粒度建筑子类，同时提出端到端B-Seg分割方法实现更优性能，可支撑智慧城市多领域研究。
2023-05-04 cs.CV cs.GR
Instance Segmentation and Fine-grained Classification for Urban Buildings with Adaptive Region Dividing and Spatially-Supervised Contrastive Learning
Shenzhen University（深圳大学）
针对城市点云建筑理解中预定义块划分的局限，提出自适应区域划分与空间监督对比学习的实例分割及细粒度分类方法，在UrbanBIS和STPLS3D上优于现有方法。
2026-09-18 cs.CV
Detection and Simulation of Urban Heat Islands Using a Fine-Tuned Geospatial Foundation Model
Baden-Wuerttemberg Cooperative State University（巴登-符腾堡州立大学）
针对传统方法预测城市气温不准确的问题，本研究微调地理空间基础模型以预测未来气候情景下的城市地表温度，并探索其对土地覆盖变化的响应，模型降尺度误差低于1.74°C且外推能力达3.62°C。
2025-09-20 cs.AI cs.CV
RoadBench: Benchmarking MLLMs on Fine-Grained Spatial Understanding and Reasoning under Urban Road Scenarios
Department of Electronic Engineering, BNRist, Tsinghua University（清华大学电子工程系、北京信息科学与技术国家研究中心）；Zhongguancun Academy（中关村学院）；Amap, Alibaba Group（阿里巴巴集团高德地图）
针对城市复杂场景中多模态大语言模型在细粒度空间理解与推理能力上的不足，提出RoadBench基准，包含8个任务、3040个测试用例，通过鸟瞰图和第一人称视角图像评估模型性能，揭示现有模型在此类任务上的显著缺陷。
2026-07-02 cs.CV
UB-FineNet: Urban Building Fine-grained Classification Network for Open-access Satellite Images
The Hong Kong Polytechnic University（香港理工大学）；The Hong Kong Polytechnic University Shenzhen Research Institute（香港理工大学深圳研究院）；Otto Poon Charitable Foundation Smart Cities Research Institute, The Hong Kong Polytechnic University（香港理工大学潘奥本慈善基金会智慧城市研究院）
本文提出UB-FineNet，结合DDPM超分辨率、域自适应蒸馏、CIBM与对比监督，解决开放卫星影像中城市建筑细粒度分类的低分辨率和类别不平衡问题。
2024-03-04 cs.CV
Road Network Guided Fine-Grained Urban Traffic Flow Inference
Sun Yat-Sen University（中山大学）；The Hong Kong Polytechnic University（香港理工大学）
本文提出道路感知交通流放大模型RATFM，利用路网先验知识结合多方向一维卷积与Transformer，从粗粒度交通流推断高质量细粒度交通流图，并在三个真实数据集上验证其优于现有方法。
2023-10-26 cs.AI cs.CV cs.LG
3D Gaussian Splatting for Fine-grained Urban Scene Reconstruction via Semantic-guided Density Control and Loss Design
School of Computer Science, China University of Geosciences (Wuhan)（中国地质大学（武汉）计算机学院）；School of Architecture and Urban Planning, Shenzhen University（深圳大学建筑与城市规划学院）；Guangdong Key Laboratory of Urban Informatics, Shenzhen University（深圳大学广东省城市信息学重点实验室）；MNR Key Laboratory for Geo-Environmental Monitoring of Great Bay Area, Shenzhen University（深圳大学自然资源部大湾区地理环境监测重点实验室）
针对3DGS重建城市细粒度结构时的密度控制粗糙、损失无语义引导问题，提出SG-GS方法，结合SAM语义约束优化密度控制与损失，提升重建精度并缓解伪影。
2026-10-14 cs.CV
Fine-Grained Vehicle Classification in Urban Traffic Scenes using Deep Learning
日益密集的交通正在成为一个挑战，在我们的地方设置，迫切需要一个更好的交通监测和管理系统。细粒度的车辆分类似乎是一个具有挑战性的任务相比，车辆粗分类。因此，本质上需要探索一种用于车辆检测和细粒度类别分类的鲁棒方法。现有的车辆品牌和型号识别（VMMR）系统已经在同步和受控的交通条件下开发。在复杂的，城市的，异构的和不同步的交通条件下，需要强大的VMMR仍然是一个开放的研究领域。本文使用深度学习解决车辆检测和细粒度分类问题。为了执行具有相关复杂性的细粒度分类，专门准备了具有高类内和低类间变化的局部数据集THS-10。该数据集由10种车型的4250幅车辆图像组成，即，本田城市，本田思域，铃木奥拓，铃木博兰，铃木Cultus，铃木梅塞德斯，铃木拉维，铃木雨燕，铃木Wagon R和丰田花冠。该数据集可在线获取。研究和分析了两种用于车辆分类的方法，即微调和从深度神经网络中提取特征提取。对比研究表明，简单的方法可以在局部环境中产生良好的效果，以处理复杂的问题，如密集的闭塞和车道偏离。因此，减少了计算负载和时间，例如微调Inception-v3产生了97.4%的最高准确度，错误分类率最低为2.08%。微调MobileNet-v2和ResNet-18分别产生了96.8%和95.7%的准确率。从AlexNet的fc 6层提取特征产生了93.5%的准确率，错误分类率为6.5%。
2021-11-17 cs.CV
StreetTree: A Large-Scale Global Benchmark for Fine-Grained Tree Species Classification
Peking University（北京大学）；University of Vienna（维也纳大学）
本文提出StreetTree，首个大规模全球树种分类基准，包含1200万张图像，涵盖8300种常见树种，用于评估城市环境下的细粒度分类挑战与方法局限。
2026-03-31 cs.CV
DualCam: A Novel Benchmark Dataset for Fine-grained Real-time Traffic Light Detection
University of Moratuwa（莫拉图瓦大学）
交通灯检测对于自动驾驶汽车在城市地区安全行驶至关重要。公开可用的交通灯数据集不足以开发用于检测提供重要导航信息的远处交通灯的算法。我们介绍了一种新的基准交通灯数据集捕获使用同步对窄角和广角相机覆盖城市和半城市道路。我们提供了1032个图像用于训练，813个同步图像对用于测试。此外，我们还提供同步视频对进行定性分析。该数据集包括覆盖10个不同类别的分辨率1920 $\times$ 1080的图像。此外，我们提出了一个后处理算法，结合两个摄像机的输出。结果表明，与使用单个相机帧的传统方法相比，我们的技术可以在速度和精度之间取得平衡。
2022-09-03 cs.AI cs.CV cs.RO
Weakly-Supervised Temporal Action Detection for Fine-Grained Videos with Hierarchical Atomic Actions
University of California, Berkeley（加州大学伯克利分校）；Tencent America（美国腾讯公司）；Pennsylvania State University（宾夕法尼亚州立大学）
动作理解已经发展到细粒度的时代，因为现实生活中大多数人类行为只有微小的差异。为了以标签有效的方式准确地检测这些细粒度动作，我们首次解决了视频中弱监督细粒度时间动作检测的问题。如果没有仔细的设计来捕捉细粒度动作之间的细微差异，以前用于一般动作检测的弱监督模型在细粒度设置中不能很好地执行。我们建议将动作建模为通过自监督聚类从数据中自动发现的可重用原子动作的组合，以捕获细粒度动作的共性和个性。由视觉概念表示的学习的原子动作被进一步映射到利用语义标签层次结构的精细和粗略动作标签。我们的方法构建了一个可视化的表示层次结构的四个级别：剪辑级，原子动作级，精细动作类级和粗糙的动作类级，在每个级别的监督。在两个大规模细粒度视频数据集FineAction和FineGym上进行的大量实验表明，我们提出的弱监督模型在细粒度动作检测方面具有优势，并取得了最先进的结果。
2022-07-24 cs.AI cs.CV
FLUID: A Fine-Grained Lightweight Urban Signalized-Intersection Dataset of Dense Conflict Trajectories
School of Intelligent Systems Engineering, Sun Yat-sen University（智能系统工程学院，中山大学）；Guangdong Provincial Key Laboratory of Intelligent Transportation Systems（广东省智能交通系统重点实验室）；Pengcheng Laboratory（鹏城实验室）
FLUID数据集通过细粒度轨迹记录和轻量级处理框架，为研究城市信号交叉口的密集冲突提供了高时空精度的数据支持。
2026-02-21 cs.CV cs.RO
FineCIR: Explicit Parsing of Fine-Grained Modification Semantics for Composed Image Retrieval
School of Software, Shandong University（山东大学软件学院）；School of Data Science, City University of Hong Kong（香港城市大学数据科学学院）；School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院）
针对现有CIR数据集粗粒度文本导致检索不精确的问题，提出FineCIR框架，通过显式解析修改文本并构建细粒度数据集，显著提升检索精度。
2025-03-27 cs.AI cs.CV
A Large-Scale Car Dataset for Fine-Grained Categorization and Verification
The Chinese University of Hong Kong（香港中文大学）
更新于24/09/2015：此更新提供了对CompCars的监督数据进行细粒度分类的初步实验结果。更新的数据集中提供了训练/测试拆分。详见第6节。
2015-09-24 cs.AI cs.CV
Cafe-Talk: Generating 3D Talking Face Animation with Multimodal Coarse- and Fine-grained Control
Beihang University（北京航空航天大学）；Kuaishou Technology（快手科技）；Zhongguancun Laboratory（中关村实验室）
针对现有3D说话人脸方法细粒度表情控制不足的问题，提出多模态粗细粒度控制的扩散Transformer模型Cafe-Talk，通过两阶段训练、标签交换机制等实现解耦控制，在唇形同步与表情表现力上达SOTA。
2025-03-14 cs.AI cs.CV
PG-SAG: Parallel Gaussian Splatting for Fine-Grained Large-Scale Urban Buildings Reconstruction via Semantic-Aware Grouping
School of Geodesy and Geomatics, Wuhan University（武汉大学测绘学院）
本文提出PG-SAG方法，利用语义感知分组和并行高斯优化，在不降采样原图分辨率的情况下实现大规模城市建筑细粒度表面重建，并通过改进法线损失和负载均衡损失提升重建质量与效率。
2025-01-03 cs.CV
FINER: MLLMs Hallucinate under Fine-grained Negative Queries
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-慕尼黑亥姆霍尔茨中心）；Google（谷歌）；LTCI, Télécom Paris, Institut Polytechnique de Paris（LTCI，巴黎电信学院，巴黎理工学院）
本文提出FINER基准测试，分析MLLMs在细粒度不匹配与真实元素共存时的幻觉问题，并通过FINER-Tuning提升模型性能。
2026-03-18 cs.AI cs.CV
LoFi: Location-Aware Fine-Grained Representation Learning for Chest X-ray
The University of British Columbia（不列颠哥伦比亚大学）；Vector Institute（向量研究所）
本文提出LoFi，通过联合优化sigmoid、标注和位置感知标注损失，提升胸部X光的检索和短语接地性能，实验表明在MIMIC-CXR和PadChest-GR数据集上表现优异。
2026-04-24 cs.AI cs.CV
CityTrack: Improving City-Scale Multi-Camera Multi-Target Tracking by Location-Aware Tracking and Box-Grained Matching
Baidu Inc.（百度公司）；Shanghai AI Laboratory（上海人工智能实验室）
CityTrack提出位置感知SCMT跟踪器和框粒度匹配方法，解决城市级多相机多目标跟踪中的跨相机关联难题，在CityFlowV2上以84.91%的IDF1获2022 AI CITY CHALLENGE第1名。
2023-07-06 cs.CV
FG-CLIP: Fine-Grained Visual and Textual Alignment
AI Research（360人工智能研究院）
针对CLIP细粒度理解不足的问题，提出FG-CLIP，通过生成海量长图文对、构建带区域标注的FineHARD数据集及引入难负样本，在多项下游任务上超越现有方法。
2025-05-21 cs.AI cs.CV
GranViT: A Fine-Grained Vision Model With Autoregressive Perception For MLLMs
Shanghai Jiao Tong University（上海交通大学）；Huawei Inc.（华为公司）
本文提出GranViT，一种通过区域级自回归训练和自蒸馏机制实现细粒度感知的视觉Transformer，利用Gran-29M数据集预训练，在细粒度识别、多模态VQA和OCR理解上达到最先进性能。
2025-10-23 cs.AI cs.CV
microCLIP: Unsupervised CLIP Adaptation via Coarse-Fine Token Fusion for Fine-Grained Image Classification
Mohamed Bin Zayed University of Artificial Intelligence（莫莫德·本·扎耶德人工智能大学）；Alexandria University（亚历山大大学）；IIT Delhi（德里理工学院）
针对CLIP依赖全局粗特征导致细粒度分类性能受限的问题，提出microCLIP自训练框架，通过TokenFusion模块的SOAP实现粗细令牌融合，结合双头LLM分类器与动态知识聚合稳定适配，在13个细粒度基准上平均准确率提升2.90%。
2025-10-02 cs.AI cs.CV
ShadeBench: A Benchmark Dataset for Building Shade Simulation in Sustainable Society
School of Computing and Augmented Intelligence, Arizona State University（计算与增强智能学院，亚利桑那州立大学）；Global Futures Laboratory, Arizona State University（全球未来实验室，亚利桑那州立大学）
本文提出ShadeBench，一个用于城市阴影理解的综合数据集和基准，通过多模态数据支持阴影生成、分割和3D建筑重建，并提供标准化评估协议和基线方法，为数据驱动的城市气候研究和热适应城市规划提供基础。
2026-05-19 cs.AI cs.CV cs.CY
Detection and Simulation of Urban Heat Islands Using a Fine-Tuned Geospatial Foundation Model for Microclimate Impact Prediction
IBM Research – Europe（IBM欧洲研究院）；IBM Research – Africa（IBM非洲研究院）
针对传统机器学习模型在数据不足区域城市热岛预测精度差的问题，本研究微调地理空间基础模型，通过绿地降温效应真值验证精度，可预测未来地表温度并支撑热岛缓解策略制定，助力气候韧性城市建设。
2025-10-21 cs.CV
NavAgent: Multi-scale Urban Street View Fusion For UAV Embodied Vision-and-Language Navigation
Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院）；University of Chinese Academy of Sciences（中国科学院大学）；School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院）
针对无人机在城市户外视觉语言导航中面临的地标匹配和复杂多模态环境编码挑战，提出首个由大型视觉语言模型驱动的导航模型NavAgent，通过融合多尺度环境信息进行导航，并构建细粒度地标数据集，在基准数据集上优于强基线。
2024-11-13 cs.CV cs.RO
Urban Representation Learning for Fine-grained Economic Mapping: A Semi-supervised Graph-based Approach
College of Big Data and Internet, Shenzhen Technology University（大数据与互联网学院，深圳科技大学）
针对数据稀缺下部门经济制图问题，提出可解释半监督图学习框架 SemiGTX，融合多模态地理空间数据并以多任务学习预测三次产业 GDP，实验证明其精度、跨区域通用性与可解释性。
2025-05-16 cs.CV cs.LG
Fine-Grained Property Value Assessment using Probabilistic Disaggregation
University of Kentucky（肯塔基大学）；BlueHalo（蓝光环公司）；Washington University in St. Louis（圣路易斯华盛顿大学）
本文提出利用概率分解从遥感影像估计像素级房产价值分布，并在真实城市数据集上验证其显著优于多种基线。
2023-05-31 cs.CV
A Fine-Grained Dataset and its Efficient Semantic Segmentation for Unstructured Driving Scenarios
Bundeswehr University Munich（慕尼黑联邦国防军大学）；Institute for Autonomous Systems Technology（自主系统技术研究所）
与城市相比，非结构化环境下的自动驾驶研究缺乏语义标记的数据集。城市和非结构化的户外环境是具有挑战性的，由于不同的照明和天气条件在一天和不同的季节。在本文中，我们介绍了TAS500，一种新的语义分割数据集，用于非结构化环境中的自动驾驶。TAS500提供了精细的植被和地形类，以有效地了解户外场景中的可驾驶表面和自然障碍物。我们评估了现代语义分割模型的性能，并额外关注其效率。我们的实验证明了细粒度语义类的优势，以提高整体的预测精度，特别是沿类边界。数据集和预训练模型可在mucar3.de/icpr2020-tas500上获得。
2021-03-24 cs.CV cs.LG
Transformer Meets Convolution: A Bilateral Awareness Network for Semantic Segmentation of Very Fine Resolution Urban Scene Images
Wuhan University（武汉大学）；Surveying and Mapping Institute Lands and Resource Department of Guangdong Province（广东省国土资源厅测绘院）
从极细分辨率（VFR）城市场景图像中进行语义分割在自动驾驶、土地覆盖分类、城市规划等应用场景中具有重要作用。然而，VFR图像中包含的大量细节，尤其是对象的尺度和外观变化，严重限制了现有深度学习方法的潜力。解决这些问题是遥感界一个很有前途的研究领域，为场景级景观格局分析和决策铺平了道路。在本文中，我们提出了一个双边感知网络，它包含一个依赖路径和纹理路径，以充分捕捉VFR图像中的长距离关系和细粒度细节。具体地说，依赖路径进行的基础上的RestT，一种新的Transformer骨干内存高效的多头自注意，而纹理路径是建立在堆栈卷积运算。此外，利用线性注意力机制，设计了一个特征聚合模块，有效地融合了依赖特征和纹理特征。在三个大规模的城市场景图像分割数据集上进行了广泛的实验，ISPRS Vaihingen数据集、ISPRS Potsdam数据集和UAVid数据集证明了我们的BANet的有效性。具体而言，在UAVid数据集上实现了64.6%的mIoU。代码可在https://github.com/WangLibo1995/GeoSeg上获得。
2022-06-03 cs.CV
Counterfactual Attention Learning for Fine-Grained Visual Categorization and Re-identification
Tsinghua University（清华大学）
注意力机制在细粒度视觉识别任务中表现出巨大的潜力。在本文中，我们提出了一个反事实的注意学习方法来学习更有效的注意因果推理的基础上。与大多数现有的方法，学习视觉注意力的基础上，传统的可能性，我们建议学习的注意力与反事实的因果关系，这提供了一个工具来衡量的注意力质量和一个强大的监督信号，以指导学习过程。具体来说，我们通过反事实干预来分析学习到的视觉注意力对网络预测的影响，并最大限度地提高效果，以鼓励网络学习更多有用的注意力，用于细粒度图像识别。从经验上讲，我们评估了我们的方法在广泛的细粒度识别任务中的注意力起着至关重要的作用，包括细粒度图像分类，人的重新识别，车辆重新识别。所有基准测试的一致性改进证明了我们的方法的有效性。代码可在https://github.com/raoyongming/CAL上获得
2021-10-26 cs.AI cs.CV cs.LG
The devil is in the fine-grained details: Evaluating open-vocabulary object detectors for fine-grained understanding
CNR-ISTI（意大利国家研究委员会信息科学与技术研究所）；University of Pisa（比萨大学）
本文提出基于动态词汇生成的细粒度开放词汇检测评估协议与基准，发现主流检测器在颜色、图案和材料等细微属性区分上存在明显不足。
2024-04-05 cs.AI cs.CV cs.LG
Deep learning enables urban change profiling through alignment of historical maps
Institute of Cartography（制图研究所）；Geoinformation, ETH Zurich, Zurich, Switzerland（地理信息，苏黎世联邦理工学院，苏黎世，瑞士）；Remote Sensing, ETH Zurich, Zurich, Switzerland（遥感，苏黎世联邦理工学院，苏黎世，瑞士）
本文提出基于深度学习的框架，通过历史地图的对齐实现城市变化的系统性分析，揭示城市变迁的空间和时间异质性，适用于社会科学和人文学科研究。
2026-10-26 cs.CV cs.IR
Twofold Debiasing Enhances Fine-Grained Learning with Coarse Labels
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）
针对粗到细少样本学习中的特征抑制与分布偏倚问题，提出双重去偏方法，通过特征增强与分布校准，在五个基准上取得最优结果。
2025-02-27 cs.CV
FineGAN: Unsupervised Hierarchical Disentanglement for Fine-Grained Object Generation and Discovery
University of California, Davis（加州大学戴维斯分校）
我们提出了FineGAN，一种新的无监督GAN框架，它将背景，对象形状和对象外观进行分解，分层生成细粒度对象类别的图像。为了在没有监督的情况下解开这些因素，我们的关键思想是使用信息论将每个因素与潜在代码相关联，并以特定的方式调节代码之间的关系，以诱导所需的层次结构。通过大量的实验，我们证明了FineGAN实现了所需的解纠缠，生成了属于鸟类、狗和汽车等细粒度类别的逼真且多样化的图像。使用FineGAN的自动学习功能，我们还对真实图像进行聚类，作为解决无监督细粒度对象类别发现新问题的第一次尝试。我们的代码/模型/演示可以在https://github.com/kkanshul/finegan上找到
2019-04-09 cs.AI cs.CV cs.GR
FineTag: Multi-attribute Classification at Fine-grained Level in Images
Cortexica Vision Systems（Cortexica视觉系统公司）
在本文中，我们解决的细粒度的属性的实例作为一个“多属性分类”的问题的提取。为此，我们提出了一个端到端的架构，采用双线性卷积神经网络与成对排序损失。这是第一次这样的架构是适用于细粒度的属性分类问题。我们比较了所提出的方法与竞争力的深度卷积神经网络基线。大量的实验表明，所提出的方法达到/优于性能的比较基线的参数数量显着减少（$40\times$少）。我们在CUB 200鸟类数据集上展示了我们的方法，该数据集的注释在这项工作中适用于细粒度级别的多属性分类。
2018-10-25 cs.CV
One-Shot Fine-Grained Instance Retrieval
Institute of Computing Technology, CAS（中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Peking University（北京大学）；University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
细粒度视觉分类（FGVC）近年来取得了很大的进展。然而，在真实场景中，细粒度物种的数量可能是巨大的，并且是动态增加的，这使得在当前的FGVC框架下很难识别看不见的对象。这就提出了一个开放的问题，即在没有完整训练集的情况下进行大规模细粒度识别。为了克服这个问题，我们提出了一个检索任务命名为单次细粒度实例检索（OSFGIR）。“One-Shot”表示通过细粒度检索任务在不完整的辅助训练集的辅助下识别未见过对象的能力。本文首先介绍了OSFGIR任务和我们收集的OSFGIR-378 K数据集。接下来，我们提出了在辅助数据集上学习的卷积和归一化网络（CN-Nets），以生成简洁和有区别的表示。最后，我们提出了一个由粗到细的检索框架，包括三个组件，即，分别是粗检索、细粒度检索和查询扩展。该框架逐步检索具有相似语义的图像，并执行细粒度的识别。实验结果表明，该框架在识别精度和效率上明显优于现有的FGVC和图像检索方法，是大规模细粒度目标识别的较好解决方案。
2017-07-04 cs.CV
Lens3D: Target-Conditioned Visual Foveation for Fine-Grained 3D Understanding
Zhejiang University（浙江大学）；LIGHTSPEED
Lens3D通过外部视觉辅助和知识迁移，提升3D大语言模型对细粒度目标的理解，显著改善描述能力并保持原有性能。
2026-10-06 cs.CV
Cascading Hierarchical Networks with Multi-task Balanced Loss for Fine-grained hashing
Guangdong Polytechnic Normal University（广东技术师范大学）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
随着互联网时代细粒度图像数量的爆炸式增长，如何从大规模的细粒度图像中进行快速有效的检索成为一个具有挑战性的问题。在众多的检索方法中，散列法因其效率高、占用存储空间小而被广泛使用。由于细粒度图像的特点，造成了类间方差小、类内方差大等困难，使得细粒度散列比传统散列更具挑战性。为了提高细粒度散列的检索精度，我们提出了一个级联网络来学习紧凑和高度语义的散列代码，并介绍了注意力引导的数据增强方法。我们将此网络称为级联分层数据增强网络。我们还提出了一种新的方法来协调平衡多任务学习的损失。我们在一些常见的细粒度视觉分类数据集上做了大量的实验。实验结果表明，我们提出的方法优于几种最先进的哈希方法，可以有效提高细粒度检索的准确性。源代码是公开的：https://github.com/kaiba007/FG-CNET。
2023-03-20 cs.CV
A Feature Consistency Driven Attention Erasing Network for Fine-Grained Image Retrieval
Beihang University（北京航空航天大学）
大规模细粒度图像检索有两个主要问题。首先，低维特征嵌入可以加快检索过程，但由于忽略了细粒度数据集中图像的重要关注区域的特征，导致准确率降低。第二，细粒度图像导致相同类别的查询哈希码映射到数据库哈希潜在空间的不同簇中。为了解决这两个问题，我们提出了一个特征一致性驱动的注意力擦除网络（FCAENet）的细粒度图像检索。对于第一个问题，我们提出了一个自适应增强模块FCAENet，这是选择性区域擦除模块（SREM）。SREM通过自适应地覆盖原始图像的某些区域，使网络在细粒度任务的细微差异上更加鲁棒。特征提取器和散列层可以通过SREM学习更有代表性的细粒度图像散列代码。针对第二个问题，我们充分利用FCAENet中的成对相似性信息，并在FCAENet中加入增强空间关系损失（ESRL），使查询哈希码和数据库哈希码之间的脆弱关系更加稳定。我们在五个细粒度的基准数据集（CUB2011，Aircraft，NABirds，VegFru，Food101）上进行了广泛的实验，分别针对12位，24位，32位，48位的哈希码。实验结果表明，与其他方法相比，FCAENet实现了最先进的（SOTA）细粒度检索性能。
2021-10-09 cs.CV
Fine-Grained Open-Vocabulary Object Detection with Fined-Grained Prompts: Task, Dataset and Benchmark
department of software engineering, Northeastern University, China（软件工程系，东北大学，中国）
本文提出3F-OVD任务，扩展细粒度监督目标检测至开放词汇场景，引入NEU-171K数据集，并提出简单有效的后处理技术。
2026-06-24 cs.CV
Hierarchical Bilinear Pooling for Fine-Grained Visual Recognition
Huazhong University of Science and Technology（华中科技大学）
细粒度的视觉识别是具有挑战性的，因为它高度依赖于各种语义部分的建模和细粒度的特征学习。基于双线性池的模型已被证明是有效的细粒度识别，而大多数以前的方法忽略了一个事实，即层间部分特征交互和细粒度特征学习是相互关联的，可以相互加强。在本文中，我们提出了一个新的模型来解决这些问题。首先，提出了一种跨层双线性池方法来捕获层间的零件特征关系，与其他基于双线性池的方法相比，该方法具有更好的性能。其次，我们提出了一种新的分层双线性池框架，集成多个跨层双线性特征，以提高其表示能力。我们的公式是直观的，有效的，并实现了最先进的结果，广泛使用的细粒度识别数据集。
2018-07-26 cs.CV
Motion Generation from Fine-grained Textual Descriptions
Peking University（北京大学）；The University of Tokyo（东京大学）
针对现有text2motion局限于粗粒度描述的问题，构建了细粒度数据集FineHumanML3D并提出模型FineMotionDiffuse，通过学习细粒度描述到动作基元的映射，显著提升了动作生成质量与复合动作生成能力。
2024-03-26 cs.AI cs.CL cs.CV
Fine-Grained Classification of Pedestrians in Video: Benchmark and State of the Art
California Institute of Technology（加州理工学院）
介绍了一种用于研究行人细粒度分类的视频数据集。行人是从一辆行驶的车辆上“在野外”记录下来的。注释包括边界框、轨迹、带有遮挡信息的14个关键点以及年龄（5类）、性别（2类）、体重（3类）和服装风格（4类）的细粒度类别。总共有27，454个限界框和姿势标签跨越4222个轨迹。该数据集旨在训练和测试用于细粒度分类的人的算法，它也可用于基准跟踪，检测和行人的姿态估计。国家的最先进的细粒度分类和姿态估计算法进行了测试，使用的数据集和报告的结果作为一个有用的性能基线。
2016-05-20 cs.CV
Meta-Reinforced Synthetic Data for One-Shot Fine-Grained Visual Recognition
Indiana University（印第安纳大学）；Fudan University（复旦大学）
单次细粒度视觉识别经常遇到新的细粒度类的训练数据不足的问题。为了缓解这个问题，可以应用现成的图像生成器来合成额外的训练图像，但是这些合成的图像通常无助于实际提高单次细粒度识别的准确性。本文提出了一个元学习框架，将生成的图像与原始图像相结合，从而得到的“混合”训练图像可以改善一次性学习。具体而言，通用的图像生成器更新的几个新的类的训练实例，并提出了一个Meta图像增强网络（MetaIRNet）进行单次细粒度识别以及图像增强。该模型以端到端的方式进行训练，我们的实验表明，在单次细粒度图像分类基准测试中，与基线相比，该模型具有一致的改进。
2019-11-17 cs.CV
Convolutional Low-Resolution Fine-Grained Classification
成功的细粒度图像分类方法学习视觉相似（子）类之间的细微细节，但如果由于低分辨率而丢失细节，则问题变得更具挑战性。受最近卷积神经网络（CNN）架构在图像分类中的成功鼓舞，我们提出了一种新的分辨率感知深度模型，该模型以端到端的方式将卷积图像超分辨率和卷积细粒度分类结合到单个模型中。在Stanford Cars和Caltech-UCSD Birds 200 - 2011基准上进行的大量实验表明，该模型在对低分辨率图像中的细粒度对象类进行分类方面始终优于传统的卷积网络。
2017-10-16 cs.CV
Understanding the Fine-Grained Knowledge Capabilities of Vision-Language Models
Stanford University（斯坦福大学）
本文研究了视觉语言模型在细粒度知识任务中的表现，发现更好的语言模型和视觉编码器对细粒度分类性能有显著影响，预训练阶段也至关重要。
2026-02-19 cs.AI cs.CV cs.LG
Adversarial Learning for Fine-grained Image Search
University of Washington（华盛顿大学）；eBay Inc.（eBay公司）
细粒度的图像搜索仍然是一个具有挑战性的问题，由于在捕捉细微的差异，无论姿态变化的对象从细粒度的类别。在实践中，具有新的细粒度类别的动态库存为这一挑战增加了另一个维度。在这项工作中，我们提出了一个端到端的网络，称为FGGAN，通过隐式地学习从多视图图像的几何变换来学习区分表示，以进行细粒度图像搜索。我们集成了一个生成对抗网络（GAN），它可以自动处理复杂的视图和姿势变化，通过将它们转换为规范视图，而无需任何预定义的转换。此外，在开集场景中，我们的网络能够更好地匹配来自不可见和未知细粒度类别的图像。在两个公共数据集和一个新收集的数据集上进行的广泛实验表明，所提出的FGGAN在闭集和开集场景中都具有出色的鲁棒性能，与基线相比，相对提高了10%。
2018-07-06 cs.CV
Compare More Nuanced:Pairwise Alignment Bilinear Network For Few-shot Fine-grained Learning
University of Technology Sydney（悉尼科技大学）
人类的认知能力是逐步发展的。通常，孩子们在有限的监督下学会区分从粗到细的各种物体。受这种学习过程的启发，我们提出了一个简单而有效的模型，用于Few-Shot Fine-Grained（FSFG）识别，试图利用元学习来解决具有挑战性的细粒度识别任务。所提出的方法，称为成对对齐双线性网络（PABN），是一个端到端的深度神经网络。与传统的用于细粒度分类的深度双线性网络不同，该网络采用自双线性池来捕获图像的细微特征，该模型使用一种新的成对双线性池来比较基础图像和查询图像之间的细微差异，以学习深度距离度量。为了匹配基本图像特征与查询图像特征，我们在提出的成对双线性池之前设计了特征对齐损失。在四个细粒度分类数据集和一个通用的Few-Shot数据集上的实验结果表明，该模型的性能优于现有的Few-Shot细粒度方法和一般的Few-Shot方法.
2019-04-11 cs.CV
