- 博客(185)
- 收藏
- 关注
RSS订阅原创 (cvpr26) PhyOceanCast: Global Ocean Forecasting with Physics-Informed Diffusion
本文提出PhyOceanCast，一种基于物理信息扩散模型的全球海洋集合预报方法。针对现有确定性模型难以捕捉海洋混沌特性的问题，通过扰动生成多成员预报。模型创新包括：(1)多尺度海洋耦合球面图注意力网络(SGAN-MOC)，利用球面拓扑结构和异质编码实现变量交互建模；(2)物理先验小波时序相干模块(PWTC)，引入对流-扩散约束实现多尺度动力学分层分解。实验表明，该方法在145个海洋变量的36层水深预报中表现优异，30天预报误差降低13.70%，尤其在高纬度区域和长期预报中优势显著。可视化结果验证了模型在保
2026-06-22 02:44:00
174
原创 (iclr26) Enabling True Global Perception in State Space Models for Visual Tasks
作者认为，将 Mamba 用于视觉任务时存在两大关键难题：（1）状态空间模型采用逐步状态更新机制完成建模，每一步的计算仅依赖当前输入与历史状态，模型只能通过多步间接传递才能获取全局上下文信息，其感知能力仅局限于局部，无法实现显式的全局建模。（2）状态空间模型的状态更新机制适配具备清晰因果结构的时序数据，而图像内像素间不存在因果先后关系，二者存在结构层面的矛盾，进而制约了模型在图像建模任务上的性能。为了解决这些问题，作者从频域视角出发，设计了GSSM，以。协调频率和空间特征的关系。，无需复杂多方向遍历。
2026-06-21 19:20:39
196
原创 (TGRS25) A Coupled Transformer–CNN Network: Advancing Sea Surface Temperature Forecast Accuracy
*时效分层性能差异：**短时效（1–3 天）：Swin Transformer 全局建模更强，误差低于纯 CNN；长时效（7–10 天）：CNN 局部细节建模优势凸显，性能反超 Transformer；**时空消融增益时序分析（2020–2022 逐月对比）：**CoTCN 对比纯 CNN：全时段正向提升，短时效最高增益 14%；**空间消融可视化（湾流 2022-08-12）：**纯 Swin Transformer：存在明显棋盘格不连续，空间结构完整性比 CoTCN 低 10%；
2026-06-21 15:47:54
165
原创 (cvpr26) UCAN: Unified Convolutional Attention Network for Expansive Receptive Fields in Lightweight
来自ICLR24的论文，核心是构建了 (\phi_H)（刺猬特征映射），和普通线性层相比，完整保留正负特征。注意力计算公式为 (\text{HedgehogAttn}(Q,K,V) = \phi_H(Q) \cdot \big(\phi_H(K)^\top V\big)) ，注意力矩阵形状为 (C/2 \times C/2) ，降低了计算量。上面分支叫 shared block（共享特征），下面分支叫 received block（接收特征），实现半共享注意力轻量化。
2026-06-21 15:00:26
203
原创 (icml26) Degradation-Aware Metric Prompting for Hyperspectral Image Restoration
本文提出了DAMP框架，用于解决高光谱图像（HSI）修复中未知混合退化的问题。传统方法通常针对单一退化类型，而现有基于提示学习的方法需要人工标注退化标签。DAMP创新性地利用6维可解释度量向量构建退化提示（DP），并设计了退化自适应专家混合模块（DAMoE）动态激活最优专家组合。DP具有可解释性、连续量化和强泛化能力，能有效表征混合退化；DAMoE通过DP感知门控路由实现专家动态选择。实验表明，该方法能自适应处理训练中未见过的退化类型，在混合退化场景下表现出色。
2026-06-18 08:34:11
224
原创 (cvpr26) RS-SSM: Refining Forgotten Specifics in State Space Model for Video Semantic Segmentation
【摘要】本文针对现有基于状态空间模型(SSM)的视频语义分割方法存在的细节丢失问题，提出RS-SSM模型。通过双路径SSM结构，在下分支保留全局语义的同时，上分支创新性地结合频域分析与门控机制进行细节补偿。具体包括：(1)通道幅值感知器(CwAP)通过傅里叶变换量化通道级细节特征；(2)遗忘门信息精炼器(FGIR)基于频谱特征动态调整SSM遗忘门，实现细粒度信息修复。实验表明，该方法在保持SSM线性效率的同时显著提升了分割精度，特别是边缘和纹理等细节区域的表现。核心创新在于将频域分析与状态空间模型相结合，为
2026-06-17 21:59:37
225
原创 (cvpr26) AIMDepth: Asymmetric Image-Event Mamba for Monocular Depth Estimation
如下图所示，当前方法包括隐式融合（多模态数据直接拼接输入编码器），显示融合（多模态分别提取特征，由融合模块融合特征），作者提出一种全新方案，输入数据先进行特征对齐（SCPG），同时构建非对称模态编码器（AME），然后中间进行模态交互局部细化（ModiLocal）。共享权重控制参数量，分层特征选择完成特征级模态对齐，适配两种模态的表达规律。**事件表征增强：**用掩码选取低频区域，将图像低频振幅替换事件低频振幅，保留事件原有高频时域动态，逆傅里叶变换得到结构增强后的事件表征。
2026-06-16 20:05:46
244
原创 (NeurIPS25) MODEM: A Morton-Order Degradation Estimation Mechanism for Adverse Weather Image Recover
该论文提出一种针对恶劣天气图像复原的新方法，通过结合莫顿序遍历和状态空间模型，设计了双退化估计模块(DDEM)来解耦全局和局部退化特征。DDEM输出全局退化描述子和空间自适应核，动态调制MOS2D模块的特征处理，实现上下文感知和空间自适应的图像复原。模型通过多阶段下采样、MDSL层和上采样重建清晰图像。实验表明，该方法能有效处理雨、雾、雪等不同天气导致的图像退化问题。
2026-06-15 16:48:01
259
原创 (cvpr26) SAT: Selective Aggregation Transformer for Image Super-Resolution
整体框架是标准的超分算法框架，中间交替两种 Transformer block，其中LTB使用窗口注意力，SATB 是论文核心，使用Selective Aggregation Attention建模全局依赖。解决方案：用全局最大特征范数对聚合后的特征做缩放，保证特征幅值与原始分布一致，避免训练漂移。第一步：基于密度峰聚类思想，选取两类优质聚类中心：局部密度高（同类特征多）、与其他高密度区域距离远（簇边界清晰）。使用简单平均，采用相似度加权融合：与中心越相似的令牌权重越高，弱化离群噪声。第二步：分层下采样。
2026-06-15 06:20:12
179
原创 (cvpr26) Edge-RecViT: Efficient Vision Transformer via Semantic-Refined Dynamic Recursion
结构为MLP，输出为1~12的值，即每个 token 在 Transformer block 迭代次数。本模块精准识别边缘、纹理、轮廓等语义丰富的 token，进行多轮特征提取，分配更多迭代次数。模型整体框架如下图所示，输入图像划分为 patch，转化为 token，然后输入Edge-Aware Ranker。）：全局参数共享，根据 EARR 分配的深度，令牌迭代对应次数；高信息边缘令牌迭代次数更多，逐步精细化特征。相较于现有 token-adaptive 方法，本文模型精度更高、参数量与计算量更低。
2026-06-14 19:47:10
192
原创 (cvpr26) F2Net: A Frequency-Fused Network for Ultra-High Resolution Remote Sensing Segmentation
本文提出一种基于频率域分解的超高分辨率遥感图像语义分割方法，旨在解决现有多分支架构存在的计算效率低和梯度竞争问题。方法通过自适应频率分解将图像动态划分为高频与低频分量，采用三分支结构分别处理：高频分支使用Mamba编码器提取特征，低频分支拆分为CNN和轻量ViT处理局部与全局信息。创新性提出混合频率融合模块实现特征对齐，并设计交叉频率对齐损失和平衡损失以优化训练稳定性。实验表明，该方法在保持多分支优势的同时有效提升了计算效率和模型收敛性。
2026-06-14 18:42:03
238
原创 (icml26) Degradation-Aware Metric Prompting for Hyperspectral Image Restoration
摘要： 本文提出一种退化感知的度量提示方法（DAMoE）用于高光谱图像修复，解决现有模型依赖人工先验和泛化性差的问题。方法核心包括：1）设计6维物理可解释的退化提示（DP），从图像空谱统计特征自动量化退化类型；2）构建退化自适应专家混合模块（DAMoE），通过DP动态调度不同专家（仅激活1/4专家）实现针对性修复。实验表明，该方法在合成和真实数据上均优于依赖显式退化标注的模型，尤其在零样本场景下表现出强泛化能力。
2026-06-03 10:55:13
291
原创 (cvpr26) STCast: Adaptive Boundary Alignment for Global and Regional Weather Forecasting
本文提出STCast气象模型，通过全球-区域耦合策略解决传统区域预报边界静态化问题。核心创新点包括：(1)空间对齐注意力模块(SAA)，基于球面距离动态学习区域边界，使远程天气系统(如寒潮)获得合理权重；(2)时序混合专家模块(TMoE)，按月份分配预测专家并采用高斯路由，提升长期预报稳定性。模型采用Encoder-Processor-Decoder架构，输入18个全球变量(0.25°分辨率)，可输出6小时至10天的预报。实验表明该方法在保持区域高分辨率的同时，能有效捕捉全球大气耦合效应，克服现有方法对相邻
2026-05-07 11:32:27
210
原创 (aaaai26) M3SR: Multi-Scale Multi-Perceptual Mamba for Efficient Spectral Reconstruction
本文提出了一种基于Mamba的多尺度多感知光谱重建方法M3SR，解决了传统方法在空间感知和特征提取方面的局限性。该方法采用U-Net结构，核心创新是MPF模块，通过三个分支分别处理空间、频率和光谱特征：空间分支基于VSS block建模空间信息；频率分支结合小波变换学习多频特征；光谱分支使用一维Mamba处理光谱维度。三个分支的特征通过自适应加权实现融合，有效提升了模型对复杂结构和细节的捕捉能力。实验结果表明，该方法在光谱重建任务中表现出色。
2026-05-06 22:40:39
214
原创 (aaai26) MambaSeg: Harnessing Mamba for Accurate and Efficient Image-Event Semantic Segmentation
包括两个关键部分，Cross-Spatial Interaction Module（CSIM） 和 Cross-Temproal Interaction Module （CTIM），结构分别如下图所示，图中画的还比较清楚。都是先做 attention，再做扫描。值得注意的是，CSIM中因为得到的二维特征，因此是4个扫描方向。在CTIM中，二维图像被拉成一维向量，因此只有2个扫描方向。为了解决这两个问题，作者提出了 MambaSeg 模型，架构如下图所示，核心是 DDIM 模块，提供空间、时序 特征的交互。
2026-05-06 21:41:38
244
原创 (aaai26) Self-supervised Multiplex Consensus Mamba for General Image Fusion
多路共识跨模态Mamba 是论文的核心，构建N 个跨模态 Mamba 专家，门控网络自适应分配权重。3）共识损失：让被激活的专家最终 “达成一致”，输出稳定可靠的融合结果，不打架、不跑偏。在训练时，作者设计了动态权重，让前期侧重多样性，后期侧重共识。这篇论文提出SMC‑Mamba（自监督多路共识 Mamba），用线性复杂度 Mamba建模全局上下文，用混合专家适配多任务，用双层自监督对比损失保住高频细节，实现一套模型在红外‑可见光、医学、多焦点、多曝光四大任务上超越 SOTA。推开距离→融合高频≠源低频。
2026-05-06 06:33:53
208
原创 (aaai26) Depth-Synergized Mamba Meets Memory Experts for All-Day Image Reflection Separation
为了解决这两个问题，作者提出了 Depth-Synergized Decoupling Mamba （DSMamba），其中 Depth-Aware Scanning Strategy (DA-Scan) 为 T 和 R 分别定制了扫描策略，使模型在建模早期阶段就能遇到显著结构，有助于建立语义连贯性。此外，为了克服单幅图像信息有限的缺陷，作者还引入了Memory Expert Compensation Module（MECM），以利用跨图像的历史知识提升性能。论文的设置是总专家 4 个，选 2 个。
2026-05-06 06:32:51
381
原创 (tip26) Interactive Spatial-Frequency Fusion Mamba for Multi-Modal Image Fusion
本文提出了一种基于Mamba的交互式空频融合框架(ISFM)用于多模态图像融合。针对现有方法在频率域融合不足的问题，设计了多尺度频率融合(MFF)模块，通过低频/高频融合块分别实现全局信息整合和边缘增强；并创新性地引入交互式空频融合(ISF)模块，利用频率引导曼巴和门控机制实现跨模态特征交互。该方法有效提升了多模态信息的自适应融合能力，在保持线性计算复杂度的同时，显著改善了高频噪声抑制和特征提取效果。
2026-03-18 21:45:43
99
原创 (cvpr25) MP-HSIR: 面向通用高光谱图像复原的多提示框架
本文提出MP-HSIR框架，通过融合光谱、文本和视觉三模态提示实现通用高光谱图像复原。核心包含两个模块：(1)提示引导空谱Transformer（PGSSTB），采用全局-局部分支结构，通过可学习光谱提示提供通用低秩模式，增强光谱特征重建；(2)文本-视觉协同提示（TVSP），结合CLIP生成的文本提示和可学习视觉提示，实现退化感知的特征调控。该方法能有效提升模型对不同退化类型和场景的泛化能力，在光谱特征复原和退化建模方面取得显著改进。
2026-03-18 21:08:54
55
原创 (cvpr26) NS-FPN: 从噪声抑制角度改进红外小目标的检测与分割
本文提出一种基于离散小波变换的红外小目标检测方法NS-FPN。研究发现高频分量是关键但含噪声，低频分量可抑制噪声。NS-FPN包含两个创新模块：LFP模块利用低频分量进行高频特征两步纯化，先通过空间注意力增强目标特征，再通过门控高斯滤波消除噪声；SFS模块采用螺旋采样策略，结合高斯分布特征进行特征融合，提升细粒度感知。相比现有方法过度关注高频特征导致虚警率高的问题，NS-FPN通过噪声抑制机制实现了更准确的目标检测。
2026-03-18 20:32:40
356
原创 (cvpr26) PFGNet:用于时空预测的频率引导外围门控网络
PFGNet提出了一种受生物视觉启发的全卷积时空预测网络，通过频率引导门控机制解决传统卷积感受野固定问题。模型核心是外围频率门控模块(PFG Block)，采用大核分解卷积提取特征并引入可学习中心抑制机制，模拟生物视觉的带通滤波特性。同时利用Sobel、拉普拉斯等算子构建频率描述子，实现像素级多尺度自适应选择。该设计在保持高效的同时提升了建模能力，通过数学证明验证了其合理性，在时空预测任务中实现了精度与效率的平衡。
2026-03-02 13:43:26
558
原创 (iclr26) ARROW: An Adaptive Rollout and Routing Method for Global Weather Forecasting
本文提出ARROW模型解决传统深度学习方法在长期天气预报中的两大缺陷：时空依赖建模不足和自回归策略缺乏灵活性。模型包含多间隔预报模型（MIFM）和自适应滚动调度器（AR Scheduler），通过环形位置编码解决球面几何特征表示问题，采用共享-私有混合专家网络实现多时间间隔统一建模，并结合强化学习动态优化预报间隔。实验表明，ARROW在WeatherBench基准上全面超越现有方法，在极端天气预测和实用场景中展现出优异性能，验证了数据驱动天气预报的潜力。
2026-02-08 21:05:31
682
原创 (ICLR26) Task-Adaptive Parameter-Efficient Fine-Tuning for Weather Foundation Models
本文提出WeatherPEFT框架，针对天气基础模型（WFMs）参数高效微调问题，设计了任务自适应动态提示（TADP）和随机费雪引导自适应选择（SFAS）两大核心模块。TADP通过多维适配器和自注意力机制处理气象数据的变量异质性和分辨率多样性；SFAS则利用费雪信息矩阵和退火随机策略，动态筛选关键参数进行更新。实验表明，该方法在多个气象任务上仅需微调0.28%-4%参数即可达到或超越全微调性能，显著降低了计算成本。该研究为气象大模型的高效部署提供了新思路。
2026-02-05 07:00:41
621
原创 (cvpr25) Spiking Transformer with Spatial-Temporal Attention
本文提出STAtten机制，在脉冲Transformer中引入时空注意力。针对现有方法仅关注空间注意力而忽略时间依赖性的问题，STAtten通过块级时间划分将时间序列分割为局部块，仅在块内建模时空关系，有效降低了内存开销并减少了无效神经元计算。该方法采用非Softmax计算重排序策略，先计算KxV再与Q交互，在保持计算效率的同时捕捉脉冲信号的时空动态特征。实验表明，该方法在时序化视觉任务中显著提升了性能。
2026-01-09 16:14:31
334
原创 (NeurIPS25) Spiking Meets Attention: 基于注意力脉冲神经网络的高效遥感图像超分辨率重建
本文提出一种基于脉冲神经网络的遥感图像超分辨率方法SpikeSR，通过创新的脉冲注意力组(SAG)和可变形相似性注意力(DSA)模块解决SNN在超分辨率任务中的关键挑战。SAG结合脉冲注意力块和卷积块增强特征提取，DSA利用可变形卷积和多尺度金字塔有效捕捉全局相似性并处理几何错位。实验表明该方法在保持SNN低功耗优势的同时，显著提升了超分辨率性能，为遥感图像处理提供了高效解决方案。
2026-01-06 23:34:15
304
原创 (NeurIPS25) DAWP: A framework for global observation forecasting via Data Assimilation and Weather P
摘要：针对传统AI天气预报依赖再分析数据导致的信息丢失和时间滞后问题，以及卫星观测预测中存在的输入输出分布偏移问题，本文提出DAWP框架。该框架由AIDA数据同化模块和AIWP预测模块组成，全程在观测空间运行。AIDA采用多模态MAE填补观测缺失值，AIWP通过时空解耦Transformer实现高效全球预测。实验表明，该方法有效解决了现有AI天气预报系统的关键限制问题。
2026-01-05 16:09:33
350
原创 (aaai25) EWMoE: An Effective Model for Global Weather Forecasting with Mixture-of-Experts
本文提出EWMoE气象预报模型，通过3D位置嵌入和混合专家层提升预测性能。模型基于Transformer架构，创新性地融合三维地理坐标信息，并采用MoE层增强特征提取能力。实验表明，EWMoE在短中期预报中优于主流模型，仅需2年训练数据即达到或超越需37年数据的模型性能，尤其在3-8天预报中表现突出。该方案有效解决了现有方法数据需求大、特征提取不足的问题，为高效气象预测提供了新思路。
2026-01-05 14:40:53
359
原创 (aaai25) Dynamic Clustering Convolutional Neural Network
本文提出了一种全局聚类卷积方法，旨在平衡计算效率和全局建模能力。核心思路是将图像分块后进行动态聚类，将语义相似的块分组为簇，再对每个簇使用共享卷积核处理。该方法通过子向量采样降低计算成本，利用Top-K算法构建全局分布的簇，并借鉴深度可分离卷积思想实现高效的特征提取。实验证明，这种方法既保持了CNN的计算效率，又获得了类似Transformer的全局建模能力。
2026-01-05 11:01:18
348
原创 (NeurIPS25) FuXi-Ocean: A Global Ocean Forecasting System withSub-Daily Resolution
本文提出FuXi-Ocean，首个数据驱动的全球海洋预报模型，实现了6小时时间分辨率、1/12°空间分辨率和0-1500m深度覆盖。针对海洋变量的多尺度时间动态特性，模型创新性地设计了自适应多尺度时间建模架构和Mixture-of-Time模块，通过通道级自适应选择融合多个时间窗口预测结果，有效减轻误差累积。模型仅需9年训练数据，通过物理约束和空间连贯性利用实现高数据效率。实验表明，该模型能自适应捕捉不同深度海洋变量的动态特征，在亚日尺度预报中显著优于传统方法。
2025-12-09 04:27:57
1043
原创 (NeurIPS25) DAMamba: Vision State Space Model with Dynamic Adaptive Scan
本文提出Dynamic Adaptive Scan（DAS）方法，解决现有视觉SSM中人工预设扫描策略破坏图像空间结构的问题。DAS通过可学习的偏移预测网络动态调整图像块的采样位置，使扫描顺序数据驱动化。具体流程包括：将图像划分为patch并归一化坐标；利用轻量网络预测每个patch的偏移量；通过插值计算新采样位置并按序排列成1D序列。该方法能自动聚焦关键区域，提升SSM对图像结构的建模能力。
2025-11-26 11:15:01
470
原创 (iccv25) Emulating Self-attention with Convolution for Efficient Image Super-Resolution
本文针对自注意力机制在图像超分任务中存在的层间冗余问题，提出一种高效的卷积注意力模块(ESC Block)。通过共享大核卷积(13×13)模拟长程依赖，配合动态生成的3×3卷积核实现输入自适应，在保留自注意力关键特性的同时显著降低计算量。实验表明该方法能有效建模全局关系，提升超分效率。网络架构包含Conv3×3、多个ESC Block和上采样模块，其中ConvAttn通过1×1卷积融合局部与全局特征。
2025-11-24 11:36:10
470
原创 (arxiv2511) Step by Step Network
摘要 本文探讨了深度网络难以继续加深（如超过100层）的核心问题：残差短路退化（Shortcut Degradation）和宽度受限（Limited Width）。提出StepsNet解决方案，通过分阶段逐步扩大通道维度（如narrow→wide），在固定计算量下实现“既深又宽”的结构。实验表明： 3步分阶段设计效果最佳； 早期窄网络分配更多计算资源更有效； 逐步扩大策略（narrow→wide）显著优于反向设计。 StepsNet通过保留早期关键信息传递路径，有效缓解深层网络的优化难题。 （字数：149）
2025-11-24 10:42:37
374
原创 (aaai26) LWGANet: A Lightweight Group Attention Backbone for Remote Sensing Visual Tasks
本文提出Samba框架，一种基于Mamba的通用显著性目标检测方法。针对现有方法存在的空间连续性破坏和特征对齐问题，设计了两种创新模块：1)显著性引导Mamba块(SGMB)，通过四种扫描策略优先处理显著性区域，保持目标空间连续性；2)上下文感知上采样(CAU)，融合多尺度特征时考虑上下文依赖，提升特征对齐效果。实验表明该方法在RGB、RGB-D、RGB-T等多种模态数据上均取得优异性能。代码已开源。
2025-11-24 09:02:20
445
原创 (cvpr25) Samba: A Unified Mamba-based Framework for General Salient Object Detection
本文提出Samba框架，一种基于Mamba的通用显著性目标检测方法。针对现有方法存在的空间连续性破坏和特征对齐问题，设计了两种创新模块：1)显著性引导Mamba块(SGMB)，通过四种扫描策略优先处理显著性区域，保持目标空间连续性；2)上下文感知上采样(CAU)，融合多尺度特征时考虑上下文依赖，提升特征对齐效果。实验表明该方法在RGB、RGB-D、RGB-T等多种模态数据上均取得优异性能。代码已开源。
2025-10-05 08:55:35
497
原创 (ACMMM25) Novel Category Discovery with X-Agent Attention for Open-Vocabulary Semantic Segmentation
本文提出了一种新颖的X-Agent注意力框架，用于解决开放词汇语义分割中的"潜在语义"丢失问题。研究发现，视觉语言模型在训练过程中会逐渐遗忘未标注类别的知识。为此，作者设计了包含agent选择、池化和注意力三个模块的X-Agent框架，通过计算文本-视觉特征相似度，筛选关键token并采用掩码引导的双分支结构进行特征聚合，最终实现对新类别的有效分割。该方法在保持模型原有性能的同时，显著提升了发现未知类别语义的能力。
2025-10-05 01:09:06
373
原创 (ACMMM25) DeflareMamba: Hierarchical Vision Mamba for Contextually Consistent Lens Flare Removal
本文提出DeflareMamba，首个将状态空间模型(SSMs)用于镜头眩光去除的网络。针对SSMs在眩光去除中的两个问题：忽视局部像素关系和长程衰减特性，分别设计了局部增强SSM块(L-RSSB)和分层选择性扫描(H-RSSB)。模型采用U-Net架构，编码器使用L-RSSG提取局部特征，解码器引入H-RSSB实现多尺度全局特征建模。其中Hierarchical Selective Scan通过不同步长的特征采样，构建多尺度特征描述，有效解决长程衰减问题。该方法在保持局部细节的同时，增强了全局语义一致性，
2025-09-27 06:13:54
346
原创 (cvpr2025) IceDiff: 高分辨率北极海冰预报
本文提出IceDiff框架实现高分辨率(6.25km)北极海冰预测。该框架采用两阶段方法：第一阶段使用Transformer U-Net在25km分辨率预测海冰密集度；第二阶段通过引导扩散模型对预测结果进行超分辨率重建至6.25km。实验表明该方法能生成高质量的海冰预测结果，代码已开源。
2025-08-13 15:44:08
349
原创 VAE原理
本文介绍了变分自编码器（VAE）的基本原理和实现方法。VAE通过编码器将输入数据映射到潜在空间的标准正态分布，再通过解码器重建数据。其损失函数包含重建损失和KL散度两项，前者衡量重建质量，后者约束潜在变量分布。文章提供了基于PyTorch的完整实现代码，包括VAE模型定义、损失函数计算以及MNIST数据集的训练流程。代码展示了如何构建包含均值和对数方差预测的编码器，以及通过重参数化技巧实现的可微采样过程。训练完成后，只需从标准正态分布采样即可生成新的图像。该实现简洁明了，适合初学者理解VAE的核心概念和实现
2025-08-13 09:43:10
714
原创 (cvpr25) SegEarth-OV 遥感图像开放词汇语义分割
本文提出SegEarth-OV模型，解决遥感图像开放词汇语义分割问题。针对CLIP特征在遥感图像上的适应性不足，设计了SimFeatUp网络进行特征上采样，并引入重建网络确保特征质量。通过消除CLIP特征的全局偏差（减去CLS token），有效抑制类别偏差干扰。最终通过特征与文本嵌入的相似度计算实现分割。该方法无需训练即可支持开放词汇场景，为遥感图像分割提供了新思路。代码已开源。
2025-08-12 14:44:56
382
原创 (NeruIPS24) InLine Attention
《InLine：改进线性注意力机制的单射性与局部性》一文提出了一种新型注意力机制InLine，在保持线性复杂度优势的同时解决了传统线性注意力的两大缺陷。首先，作者通过数学证明指出标准线性注意力非单射的特性会导致语义混淆问题，提出改用减法归一化确保单射性；其次，针对Softmax注意力的局部聚焦特性，引入局部注意力残差模块。实验表明，该方法在计算效率与模型性能间取得更好平衡。相关工作已在GitHub开源，并配有详细讲解视频。
2025-08-10 12:12:26
472
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人