ICCV

DISTA-Net: Dynamic Closely-Spaced Infrared Small Target Unmixing

DISTA-Net：动态紧密空间红外小目标解混

Shengdong Han, Shangdong Yang, Xin Zhang, Yuxuan Li, Xiang Li, Jian Yang, Ming-Ming Cheng, Yimian Dai

机构 * School of Computer Science, Nanjing University of Posts and Telecommunications（南京邮电大学计算机科学学院） ； VCIP, CS, Nankai University（南开大学） ； NKIARI, Futian, Shenzhen（深圳南山区NKIARI） 纠错

AI总结 DISTA-Net通过动态迭代收缩阈值网络实现紧密排列红外小目标的解混，首次提出该领域深度学习模型并建立开源生态系统。

Comments Accepted by ICCV 2025. This updated version fixed the bug in SSIM, while the conclusion remains the same

EDM: Efficient Deep Feature Matching

EDM: 高效深度特征匹配

Xi Li, Tong Rao, Cihui Pan

机构 * Realsee 纠错

AI总结 EDM通过高效深度特征匹配网络提升匹配精度与效率，采用多尺度特征聚合和轻量级回归头实现快速准确的对应预测。

Journal ref https://openaccess.thecvf.com/content/ICCV2025/papers/Li_EDM_Efficient_Deep_Feature_Matching_ICCV_2025_paper.pdf