Interpretable Logical Anomaly Classification via Constraint Decomposition and Instruction Fine-Tuning
Beijing XingYun Digital Technology Co., Ltd.（北京星云数字技术有限公司）
LogiCls通过约束分解和指令微调实现工业逻辑异常的可解释分类，结合视觉-语言框架和数据驱动的监督方法，提升异常检测的准确性和可解释性。
2026-02-03 cs.CV
Vision-Language Model-Guided Deep Unrolling Enables Personalized, Fast MRI
本文提出PASS框架，利用视觉-语言模型指导深度展开网络，实现任务导向的快速成像，通过动态个性化成像流程提升MRI图像质量及诊断性能。
2026-04-08 cs.CV
Beyond Human-prompting: Adaptive Prompt Tuning with Semantic Alignment for Anomaly Detection
Silesian University of Technology（西里西亚技术大学）；National Cheng Kung University（国立成功大学）；Nvidia AI Technology Center（Nvidia AI技术中心）
本文提出无需先验知识的少样本异常检测框架APT，通过自生成异常样本训练可学习提示，并利用自优化元提示引导方案对齐通用异常语义，在多个基准数据集上取得最先进性能。
2025-08-22 cs.AI cs.CV
Hybrid, Unified and Iterative: A Novel Framework for Text-based Person Anomaly Retrieval
University of Information Technology Vietnam National University（信息技术大学越南国家大学）；AI VIETNAM Lab（AI越南实验室）
本文提出了一种混合、统一和迭代的新型框架，通过结合局部-全局视角和统一图像-文本模型，提升基于文本的人员异常检索性能。
2025-11-27 cs.CV
pFedMMA: Personalized Federated Fine-Tuning with Multi-Modal Adapter for Vision-Language Models
Department of Electrical and Computer Engineering（电气与计算机工程系）
pFedMMA通过多模态适配器实现视觉-语言模型的个性化联邦微调，平衡个性化与泛化能力，优于现有方法。
2026-02-27 cs.CV cs.LG
Defect-aware Hybrid Prompt Optimization via Progressive Tuning for Zero-Shot Multi-type Anomaly Detection and Segmentation
Corporate Research, Robert Bosch GmbH（罗伯特·博世集团企业研究部）；Otto-von-Guericke-University（奥托·冯·格里克大学）；Institute for Artificial Intelligence, University of Stuttgart（斯图加特大学人工智能研究所）；Faculty of Computer Science, UniVie Doctoral School Computer Science, University of Vienna（维也纳大学计算机科学系）；University of Southampton（南安普顿大学）
提出DAPO框架，通过混合提示机制结合可读缺陷描述与可学习嵌入，对齐异常视觉特征与文本语义，在零样本多类型异常检测与分割任务中平均提升AUROC 3.6%和5.2%。
2026-07-03 cs.CV
ChatReID: Open-ended Interactive Person Retrieval via Hierarchical Progressive Tuning for Vision Language Models
Fudan University（复旦大学）；Northwestern Polytechnical University（西北工业大学）
提出框架ChatReID，通过构建超800万提示的大规模指令数据集并采用分层渐进式微调策略，将以文本为主导的检索范式引入行人重识别，在十个基准上达到SOTA。
2025-05-31 cs.CV
Mod-Adapter: Tuning-Free and Versatile Multi-concept Personalization via Modulation Adapter
School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院）；Kolors Team, Kuaishou Technology（快手科技Kolors团队）；Shenzhen Loop Area Institute, Shenzhen, China（深圳循环区研究所）；Guangdong Key Laboratory of Big Data Analysis and Processing, Guangzhou, China（广东大数据分析与处理重点实验室）；South China University of Technology, Guangzhou, China（华南理工大学）
本文提出Mod-Adapter方法，通过调制适配器实现无需微调的多概念个性化，有效定制物体和抽象概念，提升生成质量。
2026-02-20 cs.CV
AnomalyDINO: Boosting Patch-based Few-shot Anomaly Detection with DINOv2
Ruhr University Bochum（波鸿鲁尔大学）；University of Hamburg（汉堡大学）
本文提出无需训练的纯视觉方法 AnomalyDINO，基于 DINOv2 与补丁级深度最近邻实现少样本异常检测和分割，并在 MVTec-AD 上取得先进性能。
2025-03-13 cs.CV
User-Aware Prefix-Tuning is a Good Learner for Personalized Image Captioning
Zhejiang University（浙江大学）；University of Washington（华盛顿大学）
提出一种基于用户感知前缀微调的个性化图像描述框架，利用冻结的GPT-2和CLIP提取视觉特征与用户上下文生成前缀，在少量参数训练下显著提升了描述性能。
2024-12-20 cs.CV
FedVLM: Scalable Personalized Vision-Language Models through Federated Learning
University of Texas at Arlington（德克萨斯理工大学）；Clemson University（克莱姆森大学）
本文提出联邦微调框架FedVLM及个性化LoRA方法pLoRA，通过动态适配客户端数据分布解决联邦学习中的数据异构问题，在RLAIF-V数据集上较标准LoRA提升24.5%的客户端性能。
2025-11-08 cs.CV
Personalize Your Large Vision-language Models With In-context Prompt Tuning
Brown University（布朗大学）；Columbia University（哥伦比亚大学）；University of Alabama at Birmingham（阿拉巴马大学伯明翰分校）；Purdue University（普渡大学）；Rutgers University（罗格斯大学）
提出上下文提示调优（ICPT）方法，通过轻量投影模块从多参考图像中提取细粒度视觉语义并转化为连续提示，结合几何正则化解决环境偏差和跨概念干扰，实现高效个性化。
2026-07-28 cs.CV
AnomalyLMM: Bridging Generative Knowledge and Discriminative Retrieval for Text-Based Person Anomaly Search
Faculty of Science and Technology and Institute of Collaborative Innovation, University of Macau（科技学院和协同创新研究所，澳门大学）；CSIRO Data61（CSIRO数据61）
针对基于文本的人员异常搜索中细粒度跨模态对齐难、异常样本稀疏的问题，提出AnomalyLMM框架，通过免训练的由粗到细流水线桥接生成式知识与判别式检索，在PAB数据集上Recall@1较基线提升0.96%。
2025-09-05 cs.CV
Beyond Walking: A Large-Scale Image-Text Benchmark for Text-based Person Anomaly Search
Xi’an Jiaotong University（西安交通大学）；Hefei University of Technology（合肥工业大学）；University of Macau（澳门大学）
该研究提出文本人物异常搜索任务，构建涵盖正常与异常行为的大规模 PAB 图文基准，并通过姿态感知跨模态框架验证合成数据与难负样本采样可提升细粒度行人检索。
2025-07-27 cs.CV cs.MM
VelocityNet: Real-Time Crowd Anomaly Detection via Person-Specific Velocity Analysis
Saudi Data and Artificial Intelligence Authority (SDAIA)（沙特数据与人工智能局）
针对拥挤场景异常检测受遮挡、动态模式影响且适应性与可解释性不足的问题，提出VelocityNet双流水线框架，结合头部检测与光流提取个体速度，经聚类和百分位评分实现实时异常检测，在密集环境中验证了有效性。
2025-10-21 cs.AI cs.CV
EAGLE: Expert-Augmented Attention Guidance for Tuning-Free Industrial Anomaly Detection in Multimodal Large Language Models
Ewha Womans University（峨山女子大学）
EAGLE通过整合专家异常检测器与冻结的MLLM，提出无调优框架，提升多模态大语言模型在工业异常检测中的准确率，且在MVTec-AD和VisA数据集上达到94.4%和88.1%的异常鉴别准确率。
2026-05-07 cs.CV
Auditing Observation-Quality Shortcuts in the Evaluation of Person-Centered Motion for Video Anomaly Detection
Chung-Ang University（中央大学）
本研究针对视频异常检测，提出感知观测质量的评估框架，发现存在观测质量捷径，经基数匹配后多线索运动表现优于仅质量特征，为评估该捷径提供系统方案。
2026-10-14 cs.CV
Promptable Anomaly Segmentation with SAM Through Self-Perception Tuning
Tsinghua University（清华大学）；BNRist（北京国家信息科学与技术研究中心）；LUSTER LightTech Co., Ltd.（凌云光技术股份有限公司）
本文提出自感知微调（SPT）方法，通过自起草微调策略和视觉关系感知适配器增强SAM对工业异常图像的感知能力，在多个基准数据集上显著优于基线方法。
2024-12-26 cs.CV
VAU-R1: Advancing Video Anomaly Understanding via Reinforcement Fine-Tuning
Australian National University（澳大利亚国立大学）；GVC Lab, Great Bay University（大湾大学GVC实验室）；Intellindust AI Lab（Intellindust AI实验室）
针对视频异常理解中缺乏可解释性和推理基准的问题，提出基于多模态大语言模型的强化微调框架VAU-R1及首个思维链基准VAU-Bench，显著提升了异常问答准确性与推理连贯性。
2025-05-29 cs.CV
TrADe Re-ID -- Live Person Re-Identification using Tracking and Anomaly Detection
Universidade Federal Fluminense（弗卢米嫩塞联邦大学）；Université Toulouse（图卢兹大学）；LAAS-CNRS（法国国家科学研究中心图卢兹自动化与系统分析实验室）；ONERA（法国国家航空航天研究院）
人员重新识别（Re-ID）旨在在摄像机网络中搜索感兴趣的人员（查询）。在经典的Re-ID设置中，在包含整个身体的适当裁剪图像的图库中查找查询。最近，引入了实时Re-ID设置，以更好地表示Re-ID的实际应用环境。它包括在包含整个场景帧的短视频中搜索查询。最初的实时Re-ID基线使用行人检测器来构建一个大型搜索库，并使用经典的Re-ID模型来查找库中的查询。然而，生成的图库太大，包含低质量的图像，这降低了实时Re-ID性能。在这里，我们提出了一种新的实时Re-ID方法，称为TrADe，以生成较低的高质量画廊。TrADe首先使用跟踪算法来识别图库中同一个人的图像序列。接下来，使用异常检测模型来选择每个轨迹片段的单个良好代表。TrADe在PRID-2011数据集的实时Re-ID版本上进行了验证，并显示出较基线的显著改进。
2022-09-14 cs.AI cs.CV cs.LG
Transfer Learning Gaussian Anomaly Detection by Fine-tuning Representations
RWTH Aachen University（亚琛工业大学）
当前最先进的异常检测（AD）方法利用了大规模ImageNet训练产生的强大表示。然而，灾难性遗忘阻止了在半监督设置中对新数据集的预训练表示的成功微调，因此表示通常是固定的。在我们的工作中，我们提出了一种克服灾难性遗忘的新方法，从而成功地在迁移学习环境中微调AD的预训练表示。具体来说，我们基于生成式建模和判别式建模之间的联系，推导出正态类的多元高斯分布，并使用正态图像与估计分布的马哈拉诺比斯距离作为训练目标。我们还建议使用增强通常采用邻位风险最小化的验证计划，以检测发病的灾难性遗忘。对公共MVTec数据集的广泛评估表明，我们的方法在AD任务中实现了一种新的技术水平，同时实现了与现有技术水平相当的异常分割性能。此外，消融研究表明了诱导高斯分布的重要性以及所提出的微调方案在增强选择方面的鲁棒性。
2022-06-13 cs.CV
FaLCon: Facet-Anchored Retrieval with Late Consensus for Sim2Real Text-Based Person Anomaly Search
Vietnamese-German University（越南-德国大学）；Ho Chi Minh City University of Technology（胡志明市技术大学）；University of Information Technology（信息技术大学）；Ho Chi Minh city University of Science（胡志明市科学大学）
该研究针对Sim2Real基于文本的行人异常搜索的挑战，提出FaLCon框架，结合全局匹配与细粒度验证，在PAB基准上取得优异性能，代码将开源。
2026-08-11 cs.CV
Personalized Visual Instruction Tuning
The Hong Kong University of Science and Technology（香港科技大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对多模态大语言模型无法开展个性化对话的“脸盲”问题，提出个性化视觉指令微调框架PVIT，通过自动构建训练数据实现个性化对话，并推出P-Bench基准，实验验证其可显著提升模型个性化性能。
2024-10-09 cs.CV
LightAIR: Lightweight Action Inversion and Riemannian Rectification for Text-based Person Anomaly Search
Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）；Shandong University（山东大学）
针对现有基于文本的行人异常搜索方法的缺陷，提出LightAIR网络，通过动作逆转换、正交零空间投影与黎曼梯度校正实现外观与动作特征解耦，在TPAS和TIPR数据集上性能优于现有SOTA方法
2026-08-11 cs.CV
FlipConcept: Tuning-Free Multi-Concept Personalization for Text-to-Image Generation
Department of Artificial Intelligence, Korea University（人工智能系，韩国大学）
FlipConcept提出免调优的多概念个性化图像生成方法，通过引导式外观注意力、掩码引导噪声混合和背景稀释，在保护非个性化区域的同时减少概念泄漏，并在单概念与多概念推理中优于现有模型。
2025-07-16 cs.AI cs.CV
COFT-AD: COntrastive Fine-Tuning for Few-Shot Anomaly Detection
Institute for Infocomm Research (I2R), Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局信息通信研究院）；Centre for Frontier AI Research (CFAR), Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局前沿人工智能研究中心）
针对少样本异常检测中正常样本稀缺及域偏移问题，本文提出COFT-AD，利用源域预训练模型并结合对比微调、跨实例正负样本对学习紧凑正常表示，在多项受控与真实任务上验证有效。
2024-02-29 cs.CV
OSTAF: A One-Shot Tuning Method for Improved Attribute-Focused T2I Personalization
School of Artificial Intelligence, Jilin University（吉林大学人工智能学院）；School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院）
本文提出OSTAF，一种仅用单张参考图像的一次性参数高效微调方法，通过超网络驱动的属性聚焦机制，实现个性化T2I中属性特征的精确学习，兼顾效率与质量。
2024-03-17 cs.CV
IDAdapter: Learning Mixed Features for Tuning-Free Personalization of Text-to-Image Models
Peking University（北京大学）；InsightFace；DeepGlint
提出无调优方法IDAdapter，通过结合文本与视觉注入、人脸身份损失及多参考图像混合特征，从单张人脸图像生成兼具高身份保真度与多样性的个性化肖像。
2024-03-21 cs.CV
Personalized Restoration via Dual-Pivot Tuning
University of California, Los Angeles（加州大学洛杉矶分校）；Snap Inc.（Snap公司）
本文提出双枢轴调优方法，通过两阶段调优生成模型和引导网络，实现面部图像个性化恢复，在保持身份保真度的同时提升图像质量。
2023-12-28 cs.CV
ClassDiffusion: More Aligned Personalization Tuning with Explicit Class Guidance
Institute of Information Science, Beijing Jiaotong University（北京交通大学信息科学研究所）；ByteDance Inc.（字节跳动公司）
本文针对文本到图像个性化微调中的概念语义漂移与组合能力下降问题，提出 ClassDiffusion，通过语义保持损失显式约束概念空间，提升图像及个性化视频生成的组合表现。
2025-03-14 cs.CV
Beyond Fine-Tuning: A Systematic Study of Sampling Techniques in Personalized Image Generation
HSE University（高等经济大学）
针对个性化图像生成中概念保真度与语境适应性的平衡挑战，本文系统分析了微调之外的采样策略，提出指导策略选择的决策框架，实现概念保留、提示遵循与资源效率的系统优化。
2025-02-09 cs.CV
Subject-Diffusion:Open Domain Personalized Text-to-Image Generation without Test-time Fine-tuning
OPPO AI Center（OPPO人工智能中心）；Southern University of Science and Technology（南方科技大学）
针对开放域无需微调的个性化图像生成进展缓慢的问题，提出Subject-Diffusion模型，仅需单张参考图即可实现任意域多主体生成，构建76M规模数据集，结合多粒度控制与注意力机制，性能优于现有SOTA框架。
2024-05-19 cs.CV
HiProbe-VAD: Video Anomaly Detection via Hidden States Probing in Tuning-Free Multimodal LLMs
Xinjiang University（新疆大学）；Xi'an Jiaotong University（西安交通大学）
HiProbe-VAD利用免调优多模态大语言模型的中间隐藏状态，通过动态层显著性探测机制高效检测视频异常，在UCF-Crime和XD-Violence数据集上超越现有方法，并具备跨模型泛化能力。
2025-07-23 cs.AI cs.CV
SeaS: Few-shot Industrial Anomaly Image Generation with Separation and Sharing Fine-tuning
School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院）；Hubei Key Laboratory of Smart Internet Technology, Huazhong University of Science and Technology（华中科技大学智能互联网技术重点实验室）；Artificial Intelligence Research Institute, Wuhan JingCe Electronic Group Co.,LTD（武汉捷成电子集团有限公司人工智能研究所）；Department of Information Engineering and Computer Science, University of Trento（特伦托大学信息工程与计算机科学系）
SeaS提出一个统一的少样本工业异常图像生成模型，通过不平衡异常文本提示、解耦异常对齐和正常图像对齐损失，同时生成多样异常、真实正常产品和精确掩码，显著提升下游检测与分割性能。
2025-07-17 cs.CV
MetaWriter: Personalized Handwritten Text Recognition Using Meta-Learned Prompt Tuning
Department of Computer Science and Software Engineering, Concordia University（计算机科学与软件工程系，康科迪亚大学）
提出MetaWriter框架，通过元学习优化的提示调优和自监督辅助任务，实现高效个性化手写识别，仅更新<1%参数，在RIMES和IAM基准上超越现有方法且参数减少20倍。
2025-05-26 cs.CV
PATMAT: Person Aware Tuning of Mask-Aware Transformer for Face Inpainting
CMU（卡内基梅隆大学）
PATMAT通过参考图像锚点对掩码感知Transformer进行人体感知微调，在保留人脸身份和细节的同时减少所需参考图像数量，提升个性化人脸修复质量。
2023-04-12 cs.CV cs.LG
Latent-Identity Tuning in Text-to-Image Personalization Models
Tel Aviv University（特拉维夫大学）；Cornell University（康奈尔大学）
研究文本到图像个性化模型中细粒度身份调整问题，利用预训练冻结编码器潜在空间，无需额外训练，通过揭示潜在语义方向实现局部、细粒度且语义连贯的面部编辑，经实验验证有效。
2026-07-14 cs.CV cs.GR
Unsupervised Traffic Accident Detection in First-Person Videos
Indiana University（印第安纳大学）；University of Michigan（密歇根大学）
识别自然驾驶场景中的交通违规和事故等异常事件对于成功的自动驾驶和高级驾驶员辅助系统至关重要。然而，大多数视频异常检测的工作遭受两个关键的缺点。首先，他们假设摄像头是固定的，视频具有静态背景，这对于监控应用是合理的，但对于车载摄像头则不然。其次，它们将问题视为一类分类，依赖于艰苦的手工标记的训练数据集，这些数据集将识别限制在已明确训练的异常类别。本文提出了一种无监督的方法在第一人称（仪表盘安装的摄像头）视频交通事故检测。我们的主要创新之处是通过预测交通参与者的未来位置来检测异常，然后用三种不同的策略来监测预测的准确性和一致性指标。我们使用一个新的不同交通事故数据集，AnAn事故检测（A3D），以及另一个公开的数据集来评估我们的方法。实验结果表明，我们的方法优于最先进的。
2019-07-26 cs.CV
Self-Tuning Self-Supervised Image Anomaly Detection
Carnegie Mellon University（卡内基梅隆大学）
本文提出首个面向自监督异常检测的端到端增强调优方法ST-SSAD，通过无监督验证损失和可微增强函数自动搜索数据增强，在语义异常和工业缺陷检测上显著超越现有方法。
2025-07-21 cs.CV cs.LG
Training for Identity, Inference for Controllability: A Unified Approach to Tuning-Free Face Personalization
Sun Yat-sen University（中山大学）；East China Normal University（华东师范大学）；Guangdong University of Technology（广东工业大学）；The Hong Kong Polytechnic University（香港理工大学）
UniID提出了一种无需调优的面部个性化统一方法，通过整合文本嵌入和适配器方法，实现高保真身份和灵活文本可控性。
2025-12-03 cs.CV
Improving the Anomaly Detection in GPR Images by Fine-Tuning CNNs with Synthetic Data
University of Science and Technology of China（中国科学技术大学）
探地雷达已被广泛应用于城市道路和地下设施的健康运行评价。探地雷达在识别某地区地下异常时，所获得的数据可能是不平衡的，并且不能预先认识到可能的地下异常的数量和类型。本文提出了一种新的方法，以提高地下异常检测的探地雷达B扫描图像。首先在检测区域中收集正常（即没有地下物体）GPR图像部分。考虑到探地雷达图像本质上是电磁波和传播时间的表征，为了同时保留地下背景和目标的细节信息，对常规探地雷达图像进行分割，然后与包含不同类型目标的模拟探地雷达图像进行融合，得到基于小波分解的探测区域合成数据。预训练的CNN然后可以用合成数据进行微调，并用于提取随后在检测区域中获得的分段GPR图像的特征。提取的特征可以在特征空间中通过单类学习算法进行分类，而不需要预先设定异常类型或数量。所进行的实验表明，用所提出的合成数据对预训练的CNN进行微调可以有效地改善网络对检测区域中的对象的特征提取。此外，该方法只需要检测区域内一段容易获取的正常数据，也能满足实际应用中的时效性要求。
2022-11-22 cs.AI cs.CV
Unsupervised Person Re-identification: Clustering and Fine-tuning
University of Technology Sydney（悉尼科技大学）
最近的文献中已经报道了深入学习的行人表示的优越性的人重新识别（重新ID）。在本文中，我们考虑了更实用的问题，即学习没有标签或只有几个标签的深度特征。我们提出了一种渐进式无监督学习（PUL）方法，将预训练的深度表示转移到看不见的领域。我们的方法易于实现，可以被视为无监督re-ID特征学习的有效基线。具体来说，PUL在1）行人聚类和2）卷积神经网络（CNN）的微调之间迭代，以改进在不相关的标记数据集上训练的原始模型。由于聚类结果可能非常嘈杂，我们在聚类和微调之间添加了选择操作。在开始时，当模型较弱时，CNN在少量可靠的样本上进行微调，这些样本位于特征空间中的聚类质心附近。随着模型在后续迭代中变得更强，更多的图像被自适应地选择为CNN训练样本。逐步地，行人聚类和CNN模型同时改进，直到算法收敛。这一过程自然被表述为自定进度的学习。然后，我们指出有希望的方向，可能会导致进一步的改进。在三个大规模re-ID数据集上的大量实验表明，PUL输出的判别特征提高了re-ID的准确性。
2017-06-29 cs.CV
Encoder-based Domain Tuning for Fast Personalization of Text-to-Image Models
Tel Aviv University（特拉维夫大学）；NVIDIA（英伟达）
文本到图像个性化旨在教导预先训练的扩散模型来推理新颖的用户提供的概念，将它们嵌入到由自然语言提示引导的新场景中。然而，当前的个性化方法与冗长的训练时间、高存储要求或身份丢失作斗争。为了克服这些限制，我们提出了一个基于编码器的域调整方法。我们的关键见解是，通过对来自给定领域的大量概念进行欠拟合，我们可以提高泛化能力，并创建一个更适合快速添加来自同一领域的新概念的模型。具体来说，我们采用两个组件：首先，编码器将来自给定域的目标概念的单个图像（例如特定的面部）作为输入，并学习将其映射到表示概念的单词嵌入。第二，文本到图像模型的一组正则化权重偏移，学习如何有效地摄取额外的概念。这些组件一起用于指导学习看不见的概念，使我们能够仅使用单个图像和5个训练步骤来个性化模型-将个性化从几十分钟加速到几秒钟，同时保持质量。
2023-03-05 cs.CV cs.GR cs.LG
Personalized Federated Fine-Tuning of Vision Foundation Models for Healthcare
Institut intelligence et données (IID)（智能与数据研究所）；Université Laval（拉瓦尔大学）；Mila - Quebec AI Institute（魁北克人工智能研究所）
本文提出一种通过正交LoRA适配器解耦通用与客户端特定知识的个性化联邦微调方法，用于医疗视觉基础模型，在真实医学影像任务上表现具有竞争力。
2025-10-14 cs.CV cs.DC
AnimateDiff: Animate Your Personalized Text-to-Image Diffusion Models without Specific Tuning
The Chinese University of Hong Kong（香港中文大学）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Stanford University（斯坦福大学）
提出AnimateDiff框架，通过即插即用的运动模块为个性化T2I模型添加动画能力，无需特定调优，并引入MotionLoRA实现低成本适应新运动模式，生成平滑动画。
2024-02-08 cs.CV cs.GR cs.LG
Imagine yourself: Tuning-Free Personalized Image Generation
GenAI, Meta（GenAI部门，元公司）
本研究提出免调参的个性化图像生成模型Imagine yourself，通过合成数据、并行注意力和多阶段微调，提升身份保持、文本忠实度与视觉质量，超越现有方法。
2024-09-20 cs.AI cs.CV
PSTF-AttControl: Per-Subject-Tuning-Free Personalized Image Generation with Controllable Face Attributes
organization= Data Science \& Artificial Intelligence Research Institute , addressline= China Unicom , city= Beijing , postcode= 100013 , country= P.R.China
针对现有无需逐主体调优的个性化图像生成方法缺乏人脸属性精准控制的问题，提出PSTF-AttControl方法，通过三元解耦交叉注意力模块实现身份与属性信息分离，在无需单身份微调的情况下达成个性化效果与属性精准控制的平衡。
2025-10-29 cs.CV
SCING:Towards More Efficient and Robust Person Re-Identification through Selective Cross-modal Prompt Tuning
Huazhong University of Science and Technology（华中科技大学）；Huazhong Agricultural University（华中农业大学）；University of California, Santa Cruz（加州大学圣克ruz分校）；City University of Hong Kong (Dongguan)（香港城市大学（东莞））
SCING通过选择性视觉提示融合和扰动驱动一致性对齐，在无需重型适配器的情况下提升CLIP行人重识别中的跨模态对齐效率与鲁棒性。
2025-07-01 cs.CV
Video Anomaly Detection and Explanation via Large Language Models
Singapore Management University（新加坡管理大学）
本文首次将视频大语言模型引入视频异常检测，提出长程上下文模块和三阶段训练方法，在UCF-Crime和TAD上取得最佳AUC，并实现异常文本解释。
2024-01-11 cs.CV
Evaluation of Color Anomaly Detection in Multispectral Images For Synthetic Aperture Sensing
Johannes Kepler University Linz（林茨约翰内斯·开普勒大学）
在这篇文章中，我们评估无监督的异常检测方法在多光谱图像中获得的波长无关的合成孔径传感技术，称为机载光学切片（AOS）。重点是搜索和救援任务，应用无人机在茂密的森林中定位失踪或受伤人员，并需要实时操作，我们评估这些方法的运行时间与质量。此外，我们表明，通常在视觉范围内工作的颜色异常检测方法总是受益于一个额外的远红外（热）通道。我们还表明，即使没有额外的热带，在视觉范围内的颜色空间的选择已经对检测结果的影响。像HSV和HLS这样的颜色空间有可能优于广泛使用的RGB颜色空间，特别是当颜色异常检测用于森林环境时。
2022-11-08 cs.CV
Finetuning-Free Personalization of Text to Image Generation via Hypernetworks
Samsung AI Center Mountain View（三星AI中心山景）
本文提出一种基于超网络的免微调文本到图像生成个性化方法，通过端到端训练目标和输出正则化直接从主体图像预测LoRA权重，并引入HM-CFG增强组合泛化，无需逐主体优化即实现了高主体保真度与提示对齐。
2025-11-05 cs.CV
Block-wise LoRA: Revisiting Fine-grained LoRA for Effective Personalization and Stylization in Text-to-Image Generation
Huawei Cloud Computing Technologies Co., Ltd（华为云计算技术有限公司）
针对文本生成图像现有高效微调方法难以兼顾有效个性化与风格化的问题，提出分块LoRA对SD不同模块细粒度微调，实现图像贴合提示、保留目标特征且符合目标风格，经实验验证有效。
2024-03-12 cs.AI cs.CV
Movie Weaver: Tuning-Free Multi-Concept Video Personalization with Anchored Prompts
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Meta GenAI（元宇宙生成式人工智能部门）
针对现有视频个性化方法难以实现多概念整合且易出现身份融合的问题，提出Movie Weaver，通过锚定提示和概念嵌入解决多概念关联与顺序编码问题，实现免调优多概念视频个性化并在身份保留和质量上优于现有方法。
2025-02-04 cs.CV cs.GR cs.LG
Towards Low-Energy Adaptive Personalization for Resource-Constrained Devices
Imperial College London（伦敦帝国学院）；University of York（约克大学）
本文提出目标块微调（TBFT）框架，将数据漂移分为输入、特征和输出三级并分别微调模型前、中、后块，在资源受限设备上以更低能耗实现更优个性化性能。
2024-03-29 cs.CV cs.LG
