图像恢复翻车谁负责？圣克拉拉大学新框架：先认证再放行，别让AI瞎"修复"
图像恢复越清晰，检测反而越容易翻车？SafeRestore告诉你：别急着让AI"修复"图像，先给修复结果发张"安全认证"再放行。这篇论文最精彩的地方，是诚实地展示了自适应策略如何在五次实验中只通过一次认证——比简单插值还没牌面。
标签：目标检测
共 39 篇
29个检测器12个数据集实测：自动驾驶存储减负新范式
这篇文章切入角度很刁钻：别人都在优化模型算力，它却盯上了摄像头到内存的搬运能耗。用一个带语义感知的存储编码器，在保护行人检测精度的前提下，把前视相机接口能耗砍掉约36%，而且跨29个检测器、12个数据集验证，落地感很强。
南大SPLG-Mamba：让遥感显著目标检测告别“缺胳膊少腿”
这篇论文精准踩中当前视觉领域两大热点：Mamba架构与遥感显著目标检测。南京大学团队用“平滑-细节分治”的思路，把局部Mamba留给浅层细节、全局Mamba留给深层语义，配上门控跨尺度融合，在三大基准上全面刷新SOTA，窄目标F指标涨幅直接冲到1.46个百分点。代码已开源，适合想做遥感分割、结构保持任务的读者直接复现上手。
机器人看懂房间的起点：伯克利用HHA编码让检测AP提升56%
先花十秒钟想一个场景：一台扫地机器人走进一个从来没去过的房间，它需要知道哪里有桌子、哪里有椅子、哪个是垃圾桶，最好还能知道每件东西具体占了多大面积——注意，是像素级的轮廓，不是一个框就算完。
分割精度大涨10个点？被引1647次的UC Berkeley经典只用一招
这是一篇被引1647次的深度学习经典之作。当所有人都在用CNN最后一层特征时，UC Berkeley团队提出“超列”表示，将多层特征融合用于像素级定位，在分割、关键点、部件标注三大任务上全面领先，至今仍是多尺度特征融合的思想源头。
抛弃端到端！这个医学影像智能体让AI终于分清肝脏脾脏左右
先问大家一个问题：如果你是一个放射科医生，看到一张腹部CT片子，有人问你“肝脏在脾脏的左边还是右边？”，你会怎么回答？
哈佛开源2260万古籍插图，AI终于补上历史课
如果让一个从来没出过村的老学究，突然面对整个互联网的图片，他会怎么看世界？大概率是懵的。反过来，如果把全世界最聪明的AI模型扔进一座百年图书馆，让它只看一堆发黄的书页扫描件，它也会懵。
北航北邮提出GeoUP：一个骨架统一三大3D感知任务，五大驾驶基准SOTA
自动驾驶3D感知，向来是深度、检测、占用各学一套。北航与北邮提出的GeoUP，直接把视觉几何基础模型VGGT改造成统一3D感知骨架，一个模型三大任务全包，在nuScenes、Waymo、Argoverse 2、KITTI、DDAD五大基准拿下SOTA。思路清奇，落地潜力值得关注。
UCLA最新：体积视频流实时“隐身术”，私物秒删还能保持30FPS？
想象你在家里开着VR远程会议，头顶一圈RGB-D相机从六个角度同时拍摄。你以为自己只是坐着聊天，实际上，你手边的手机、墙上的照片、桌上的文件，甚至镜子里一闪而过的倒影，都正被多台相机同步捕捉，并实时融合成一个可自由旋转视。
多模态检测也能减肥？Qwen2.5-VL当裁判，剪掉70%参数依然能打
多模态目标检测要落地，先把“双分支胖模型”瘦下来。InterPruner首次把结构化剪枝搬到RGB-红外检测上：剪掉一半通道，FLIR精度反而涨0.6%，70%剪枝率下依然稳得住。轻量化的正确姿势，这篇给了一个参考答案。
RMIT提出RMR-Net：道路缺陷检测新范式，7/8场景精度领先
道路缺陷检测最怕输入图像又糊又暗——坑洼裂纹在模糊里“隐身”，再强的检测器也得抓瞎。RMIT团队这篇工作直接把退化证据变成恢复条件，让复原后的图像“喂”给检测器，8种退化场景里7项精度领先。方法简洁、定位精准，适合所有做巡检和车载视觉的团队围观。
TAIL2SENSORS：自动驾驶的“物理线索路由”新范式
自动驾驶里让AI听懂“右前方二十米那辆白色轿车”并不简单，因为颜色、距离、运动速度这些线索分散在不同传感器手里。这篇论文一口气集齐相机、激光雷达和4D毫米波雷达，搞出全球首个三传感器3D视觉定位数据集Talk2Sensors，再配一个TSFormer框架，把强基线甩开8.05 mAP，还让“物理线索路由”第一次有了正经benchmark。做多传感器感知的团队
