图像生成

PRISM: Feed-Forward Single-Image 3D Reconstruction via Geometric Warp-Residual Modeling

PRISM: 基于几何扭曲残差建模的前馈式单图像三维重建

Zhijie Zheng, Xinhao Xiang, Jiawei Zhang

机构 * University of California, Davis（加州大学戴维斯分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出PRISM前馈框架，将多视角潜在预测分解为无参数几何先验和可学习残差校正，无需扩散采样，推理时间仅36秒/场景，重建质量与扩散方法相当。

HiFiVe: High-Fidelity Vehicle Generation Leveraging Auto-Regressive 2D Generative Priors

HiFiVe: 利用自回归2D生成先验的高保真车辆生成

Hongli Xiao, Youjian Zhang, Qi Zheng, Zhaohui Hu, Yaohui Jin, Xiaoguang Ren, Wenjing Yang, Long Lan

机构 * Bosch（博世） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出HiFiVe，一种无需训练的框架，通过施加3D几何约束锚定2D生成先验，联合增强纹理与几何，实现高保真车辆建模。

CMDS-AD: Cross-Modal Dual-Stream Decoupling for Few-Shot Anomaly Detection

CMDS-AD: 跨模态双流解耦用于少样本异常检测

Junhao Cai, Junyu Chen, Deyu Zeng, Junhao Pang, Qiwei Liang, Xiaopin Zhong, Zongze Wu

机构 * Shenzhen University（深圳大学） ； Guangzhou Maritime University（广州航海学院） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出跨模态双流异常检测框架CMDS-AD，通过扩散模型生成多样本并利用低频正常估计辅助解耦高频缺陷，在1-shot设置下MVTec 3D-AD上I-AUROC提升5.7%。

Comments Accepted to ECCV 2026! Project page: https://cmds-ad.github.io/

FLAT: Feedforward Latent Triangle Splatting for Geometrically Accurate Scene Generation

FLAT: 前馈潜在三角形泼溅用于几何精确的场景生成

Orest Kupyn, Goutam Bhat, Philipp Henzler, Fabian Manhardt, Christian Rupprecht, Federico Tombari

机构 * Google Research（谷歌研究院） ； University of Oxford, Visual Geometry Group（牛津大学视觉几何组） ； TU Munich（慕尼黑工业大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出FLAT方法，首次从视频扩散潜在表示中直接解码三角形泼溅，通过射线中心旋转参数化和乘积窗口函数解决梯度流问题，在保持视觉质量的同时显著提升几何精度。

What Do Flow-Based Inverse Solvers Approximate? A Posterior-Transport View

基于流的逆求解器近似了什么？一种后验传输视角

Jian Xu, Delu Zeng, John Paisley, Qibin Zhao

机构 * RIKEN iTHEMS（日本理化学研究所跨学科理论数学科学项目） ； RIKEN AIP（日本理化学研究所人工智能项目） ； South China University of Technology（华南理工大学） ； Columbia University（哥伦比亚大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文从后验传输角度分析基于流的逆问题求解器，证明源分布重加权可精确采样后验，而轨迹引导方法存在偏差，并提出一种高效的修正求解器。

MedPCFM: Improving Medical Point Cloud Completion by Integrating Point Transformers and Flow Matching

MedPCFM: 通过集成点变换器和流匹配改进医学点云补全

Kamil Kwarciak, Marek Wodzinski

机构 * Department of Measurement and Electronics, AGH University of Krakow（AGH科技大学测量与电子系） ； Sano Centre for Computational Medicine（Sano计算医学中心） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出基于PTv3的流匹配方法PCFM用于医学点云补全，在三个数据集上达到最优生成性能，采样步数远少于扩散模型，且PTv3带来高达7倍的速度提升。

Comments 25 pages, 9 figures

SignNet-1M: Large-Scale Multilingual Sign Language Video Dataset with Downstream Benchmarks

SignNet-1M：大规模多语言手语视频数据集及下游基准

Zhewen He, Junyi Hu, Haomian Huang, Zhenhua Li, Yu-Shen Liu, Yi Fang

机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） ； ChatSign Technology（ChatSign 技术公司） ； Tsinghua University（清华大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出SignNet-1M，通过3D高斯泼溅、扩散模型和后期渲染增强合成多样化手语视频，提升模型在跨视角、背景和身份等分布偏移下的泛化能力。

Comments 25 pages. Accepted to ECCV 2026

3DCarGen: Scalable 3D Car Generation via 3D-consistent Multi-view Synthesis

3DCarGen: 通过3D一致的多视图合成实现可扩展的3D汽车生成

Hongli Xiao, Youjian Zhang, Yaohui Jin, Xiaoguang Ren, Wenjing Yang, Long Lan

机构 * Shanghai Jiao Tong University（上海交通大学） ； Academy of Military Science（军事科学院） ； The University of Sydney（悉尼大学） ； College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出3DCarGen框架，利用多视图扩散模型和3D高斯泼溅，从单张真实图像生成任意数量3D一致的多视图，并通过颜色-法线联合优化重建高质量3D汽车模型。

Deep Learning Approaches for 3D Medical Scene Completion: From Geometric Modeling to Generative Paradigms

三维医学场景补全的深度学习方法：从几何建模到生成范式

Afifa Khaled, Said Jadid Abdulkadir, Majdy Mohamed Eltayeb Eltahir

机构 * Universiti Teknologi PETRONAS（马来西亚国油科技大学） ； King Khalid University（哈立德国王大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文系统综述了2016-2026年间三维场景补全技术的演进，从SSCNet的体素语义补全到结合扩散先验与高斯泼溅的实时渲染新范式，讨论了多种表示范式并提出了分类法，最后给出了未来研究方向。

Sat2City v2: Native 3D City Asset Generation from a Single Satellite Image

Sat2City v2: 从单张卫星图像生成原生3D城市资产

Tongyan Hua, Dongli Wu, Jinjing Zhu, Yinrui Ren, Zhongcheng Hong, Ying-Cong Chen, Hui Xiong, Wufan Zhao

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Chinese University of Hong Kong（香港中文大学） ； Auckland University of Technology（奥克兰理工大学） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出Sat2City v2，利用预训练的原生结构化潜空间3D基础模型，从单张卫星图像生成具有可控外观和几何形状的纹理网格，在真实数据集上优于基线方法。

Bridging Single Distortion Artifacts and Multifactorial Clinical Quality: Few-shot Biparametric MRI Quality Assessment via Distortion-trained Prototypical Networks

桥接单一失真伪影与多因素临床质量：基于失真训练的原型网络的少样本双参数MRI质量评估

Yucheng Tang, Alexander Ng, Wen Yan, Natasha Thorley, Pawel Rajwa, Yipei Wang, Aqua Asif, Clare Allen, Louise Dickinson, Francesco Giganti, Shonit Punwani, Daniel Alexander, Veeru Kasivisvanathan, Yipeng Hu

机构 * UCL Hawkes Institute（UCL Hawkes研究所） ； Department of Medical Physics and Biomedical Engineering（医学物理与生物医学工程系） ； University College London（伦敦大学学院） ； Division of Surgery and Interventional Science（外科与介入科学分会） ； Centre for Medical Imaging（医学成像中心） ； British Urology Researchers in Surgical Training (BURST)（英国泌尿外科手术培训研究人员（BURST）） ； Department of Radiology（放射科） ； University College London Hospitals NHS Foundation Trust（伦敦大学学院医院国家健康服务信托基金） ； Centre of Medical Imaging, Division of Medicine（医学成像中心，医学分会） ； Centre for Medical Image Computing（医学图像计算中心） ； Department of Computer Science（计算机科学系） ； Department of Urology（泌尿科） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出一种少样本双参数原型网络，利用失真标签元训练，通过特征融合和域对齐，仅用5个样本即可预测PI-QUAL临床质量评分，解决临床数据稀缺问题。

Lift4D: Harmonizing Single-View 3D Estimation for 4D Reconstruction In-the-Wild

Lift4D: 协调单视图3D估计以实现野外4D重建

Yehonathan Litman, Xiaoxuan Ma, Manan Shah, Nicolas Ugrinovic, Kris Kitani, Fernando De la Torre, Shubham Tulsiani

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出Lift4D框架，通过因果潜在条件化单视图3D模型获得时域一致的初始化，再结合遮挡感知优化和扩散先验，实现从单目视频重建动态非刚体4D场景，显著优于现有方法。

Comments Webpage, Demos: https://lift4d.github.io

C^2GR: Coupled Comprehensive Generative Replay for a Continually Learnable Universal Segmentation Model

C^2GR: 用于持续学习通用分割模型的耦合综合生成回放

Wei Li, Jingyang Zhang, Guoan Wang, Junzhi Ning, Yang Chen, Guang Yang, Lixu Gu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Southeast University（东南大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 针对通用分割模型在任务增量学习中因图像外观和分割目标同时变化导致的遗忘问题，提出C^2GR框架，通过贝叶斯联合扩散和关系感知统一提示同步，合成历史任务图像-掩码对，缓解遗忘，性能仅下降2.44%。

Comments This paper has been submitted to a relevant journal

MeGAS: Thermomechanical Dynamic Gaussian Splatting for Thermophysical Scene Editing

MeGAS: 用于热物理场景编辑的热力学动态高斯泼溅

Zesong Yang, Yuanhang Lei, Liyuan Cui, Yihang Chen, Jiaer Huang, Boming Zhao, Peter Yichen Chen, Hujun Bao, Zhaopeng Cui

机构 * State Key Laboratory of CAD\&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； University of British Columbia（不列颠哥伦比亚大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出MeGAS框架，将热力学相变动力学融入3D高斯泼溅，通过温度属性、热对流-扩散求解器和MPM动力学实现热物理现象的物理真实合成，并采用拓扑自适应渲染策略处理极端变形。

Comments Accepted by ECCV 2026. Project page: http://zju3dv.github.io/MeGAS

FedOT: Ownership Verification and Leakage Tracing via Watermarks for Federated LDMs

FedOT: 联邦潜扩散模型的所有权验证与泄露追踪水印

Wenlong Cheng, Yuan Gan, Yunqiu Xu, Jiaxu Miao

机构 * Northwest Normal University（西北师范大学） ； The University of Tokyo（东京大学） ； National University of Singapore（新加坡国立大学） ； Sun Yat-sen University（中山大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出FedOT框架，通过分块水印和潜向量变换解决联邦学习中潜扩散模型的所有权验证与恶意客户端泄露追踪问题。

Comments Accepted to ECCV 2026

Towards Error-Free Long Video Generation

迈向无错误的长视频生成

Shuning Chang, Weihua Chen, Jiasheng Tang, Hao Xu, Zeyu Zhang, Hangjie Yuan, Yu Lu, Ruigang Niu, Fan Wang, Bohan Zhuang, Yi Yang

机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出一种基于扩散模型的长视频生成框架，通过因果注意力、KV缓存和截断修正流技术解决误差累积和属性漂移问题，实现高质量、身份一致的单镜头长视频合成。

Dual-Stream EEG Decoding for 3D Visual Perception

用于3D视觉感知的双流脑电解码

Ninon Lizé Masclef, Taisija Demcenko, Antonella Catanzaro, Nataliya Kosmyna

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出一种模仿生物视觉腹侧和背侧通路的双流脑电解码模型，通过圆形回归预测角度和EEG条件多视图扩散实现3D重建，揭示了时间动态的通道参与模式。

Comments 17 pages, 4 figures. Accepted at the Symmetry and Geometry in Neural Representations Workshop (NeurReps), NeurIPS 2025. To appear in Proceedings of Machine Learning Research (PMLR)

Feed-forward Motion In-betweening for Any 4D

任意4D的前馈运动插值

Hiroki Nishizawa, Hubert P. H. Shum, Yoshihiro Fukuhara, Hirokatsu Kataoka, Shigeo Morishima

机构 * Waseda University（早稻田大学） ； AIST（产业技术综合研究所） ； Durham University（杜伦大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出一种基于关键帧条件的前馈插值框架，利用网格VAE和MMDiT骨干的整流流模型，实现任意4D网格的快速运动插值，在DyMesh16和DyMesh32上表现优异。

Comments Video: https://youtu.be/jZAjPUtSq38?si=aXtDMDviFdfkjKUU

One-Shot Data Selection for Medical Image Classification via Graph Coverage

基于图覆盖的医学图像分类一次性数据选择

Zahiriddin Rustamov, Nadia Badawi, Rafat Damseh, Nazar Zaki

机构 * United Arab Emirates University（阿拉伯联合酋长国大学） ； KU Leuven（鲁汶大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出一种基于图的一次性数据选择方法，利用预训练编码器的k近邻图构建热扩散核，通过贪婪设施位置选择最大化数据流形覆盖的子集，在五个MedMNIST数据集上优于基线方法。

Comments Accepted at MICCAI 2026

EnTrust: Modeling Inter-Modal Conflict for Trustworthy Multimodal Medical Image Analysis

EnTrust: 建模模态间冲突以实现可信的多模态医学图像分析

Dwarikanath Mahapatra, Abhijit Das, Behzad Bozorgtabar, Zongyuan Ge, Sudipta Roy, Deepak Nayak, Mauricio Reyes, Imran Razzak

机构 * Khalifa University（哈利法大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Aarhus University（奥胡斯大学） ； Monash University（莫纳什大学） ； Jio University（Jio大学） ； NIT Jaipur（斋浦尔国立理工学院） ； University of Bern（伯尔尼大学） ； MedOS 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出EnTrust框架，通过解耦模态特征中的共享共识、特定线索和冲突信号，利用扩散模型生成假设并校准像素级不确定性，在多个医学图像分割基准上达到SOTA，校准误差降低40%。

ShuffleFlow: Scalable Posterior Inference for Bayesian Inverse Imaging

ShuffleFlow: 贝叶斯逆成像的可扩展后验推断

Tianao Li, Tjitske Starkenburg, Yu Sun, Emma Alexander

机构 * Northwestern University（西北大学） ； Department of Physics and Astronomy, Northwestern University（西北大学物理与天文学系） ； NSF-Simons AI Institute for the Sky (SkAI)（NSF-Simons天空人工智能研究所） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出ShuffleFlow框架，通过像素重排、神经场编码和条件归一化流，实现大规模图像重建中可扩展的后验推断，比扩散采样器更快生成高样本数后验。

Comments Accepted to IEEE International Conference on Computational Photography (ICCP), 2026

MemoryVAM: Integrating Memory into Video Action Model for Robot Manipulation

MemoryVAM：将记忆融入视频动作模型以实现机器人操作

Yuxin Jiang, Chang Yu, Yunuo Chen, Xiang Feng, Yin Yang, Nishank Gite, Chenfanfu Jiang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Nirvana Robotics（涅槃机器人） ； University of California, San Diego（加州大学圣迭戈分校） ； University of Utah（犹他大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出MemoryVAM，通过Recap-Cue模块将情景记忆注入视频世界模型策略，解决长时域操作中的非马尔可夫性问题，在LIBERO-Mem和真实机器人任务上显著提升成功率。

Comments Project page: https://MemoryVAM.github.io/

A Viscosity Semigroup Framework for Stable Image Reconstruction

一种用于稳定图像重建的粘性半群框架

Arina Oberoi

机构 * Arina Oberoi（阿里娜·奥贝伊） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 基于尺度空间理论，提出粘性解框架用于退化椭圆-抛物PDE的多尺度图像表示，并构建混合重建算子，在CT间皮瘤分类任务中实现稳定高AUC。

Deep Image Prototype Learning with Geometric Heat-Kernel Priors

基于热核先验的流形变分学习

Jiarui Xing, Tal Zeevi, Nian Wu, Jian Wang

机构 * Yale School of Medicine（耶鲁大学医学院） ； University of Virginia（弗吉尼亚大学） ； Harvard Medical School（哈佛医学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出一种流形锚定变分框架，利用几何感知EM算法选择热核加权潜图上的图中心点作为原型，确保原型在流形上，并通过Dirichlet能量正则化保持潜空间几何平滑，在心脏瘢痕和脑MRI基准上取得最高精度和清晰原型。

JanusMesh: Fast and Zero-Shot 3D Visual Illusion Generation via Cross-Space Denoising

JanusMesh: 通过跨空间去噪实现快速零样本3D视觉错觉生成

Siang-Ling Zhang, Huai-Hsun Cheng, Tsung-Ju Yang, Yu-Lun Liu

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出一种无需训练的快速框架，通过跨空间双分支去噪和视图条件纹理合成，在3-5分钟内生成高真实感双语义3D视觉错觉，优于现有方法。

Comments ECCV 2026. Project page: https://siang1105.github.io/JanusMesh.github.io/

VFACamou: View-Fused Adversarial Camouflage for Environment-Adaptive Physical Evasion

VFACamou: 视图融合的对抗性伪装用于环境自适应物理规避

Shihui Yan, Hu Liu, Junyu Shi, Zihui Zhu, Ziqi Zhou, Yufei Song, Youming Geng, Minghui Li, Shengshan Hu

机构 * State Key Laboratory of Intelligent Vehicle Safety Technology（智能汽车安全技术国家重点实验室） ； School of Cyber Science and Engineering, Huazhong University of Science and Technology（华中科技大学网络空间安全学院） ； School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件学院） ； Hebei Energy College of Vocation And Technology（河北能源职业技术学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出一种端到端框架，结合UV体积渲染与扩散纹理生成器，并引入照明颜色一致性估计器和多尺度动态训练策略，生成可穿戴对抗图案，在无人机侦察等动态视角和光照变化下实现稳定物理攻击。

Comments Accepted by ICME 2026

Learning to Distort: Weakly-Supervised Image Quality Transfer for Prostate DWI Correction

学习扭曲：用于前列腺DWI校正的弱监督图像质量迁移

YuCheng Tang, Wen Yan, Alexander Ng, Natasha Thorley, Pawel Rajwa, Yipei Wang, Aqua Asif, Clare Allen, Louise Dickinson, Francesco Giganti, David Atkinson, Shonit Punwani, Daniel Alexander, Shaheer Ullah Saeed, Veeru Kasivisvanathan, Yipeng Hu

机构 * UCL Hawkes Institute（UCL哈维斯研究所） ； Department of Medical Physics and Biomedical Engineering（医学物理与生物医学工程系） ； University College London（伦敦大学学院） ； Division of Surgery and Interventional Science（外科与介入科学分会） ； Centre for Medical Imaging（医学成像中心） ； British Urology Researchers in Surgical Training (BURST)（英国泌尿外科手术培训研究人员（BURST）） ； Department of Radiology（放射科） ； University College London Hospitals NHS Foundation Trust（伦敦大学学院医院国家健康服务信托基金） ； Centre for Medical Image Computing（医学图像计算中心） ； Department of Computer Science（计算机科学系） ； Department of Urology（泌尿科） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出弱监督图像质量迁移框架，利用图像质量评估信号从无失真图像学习生成真实失真，并训练校正模型，在PI-RADS和Gleason评分分类任务中优于现有无配对方法。

CineOrchestra: Unified Entity-Centric Conditioning for Cinematic Video Generation

CineOrchestra：面向电影视频生成的统一实体中心条件控制

Sharath Girish, Tsai-Shien Chen, Zhikang Dong, Mukesh Singhal, Hao Chen, Sergey Tulyakov, Aliaksandr Siarohin

机构 * Snap Inc.（Snap公司） ； UC Merced（加州大学默塞德分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出CineOrchestra，一种统一控制主体、事件、相机和镜头切换的视频扩散模型，通过实体中心条件原语和参数无关的旋转位置编码实现多轴联合控制，在密集描述跟随和镜头切换时序上超越六种专用方法。

Comments Project page: https://snap-research.github.io/CineOrchestra

MoVerse: Real-Time Video World Modeling with Panoramic Gaussian Scaffold

MoVerse: 基于全景高斯支架的实时视频世界建模

Yang Zhou, Ziheng Wang, Yuqin Lu, Haofeng Liu, Jun Liang, Shengfeng He, Jing Li

机构 * South China University of Technology ； Columbia University ； Orange Team, Youku Moku-Lab, HUJING Digital Media \& Entertainment Group ； Singapore Management University 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出MoVerse，从单张窄视场图像实时构建可交互漫游的360度全景世界，通过拓扑感知扩散补全视场、全景几何残差预测生成3D高斯支架，并结合双向扩散教师蒸馏为因果自回归学生实现低延迟视频渲染。

Comments Project Page: https://orange-3dv-team.github.io/MoVerse/

Test-Time Training for Robust Text-Guided Open-Vocabulary Object Counting

测试时训练用于鲁棒文本引导的开放词汇目标计数

Hao-Yuan Ma, Yuda Zou, Li Zhang, Yongchao Xu

机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； Wuhan University（武汉大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出Dual-TTT框架，通过测试时训练轻量去噪模块，提升文本引导开放词汇目标计数在恶劣条件下的鲁棒性，无需修改原模型架构。