基于视觉-语言整合的零样本人-物交互检测研究 学术背景 人-物交互（Human-Object Interaction, HOI）检测是计算机视觉领域的一个重要研究方向，旨在识别图像中人与物体之间的交互行为。传统的HOI检测方法主要依赖于监督学习，即需要大量的人工标注数据来训练模型。然而，这种方法在面对未见过的物体类别时，泛化能力有限。此外，现实世界中的人-物交互种类繁多且复杂，手动标注所有可能的交互类别既耗时又费力。 近年来，随着视觉-语言模型（Vision-Language Models, VLM）的快速发展，零样本学习（Zero-Shot Learning）成为了一个热门研究方向。零样本学习的目标是让模型能够识别在训练过程中从未见过的类别。基于这一背景，作者提出了一种名为“知识整合到HO...

深度学习中非对称双任务协同模型改进部分标签学习的研究 研究背景 在深度学习领域，监督学习已成为众多人工智能任务的核心方法。然而，训练深度神经网络需要大量准确标注的数据，而这类数据的构建往往成本高昂且耗时。弱监督学习（Weakly Supervised Learning）作为一种有效的替代方法近年来引起了广泛关注，其中部分标签学习（Partial Label Learning, PLL）是弱监督学习的一种典型问题。它假定每个训练实例被一个候选标签集（Candidate Label Set）标注，该标签集中包含真实标签和若干错误标签。由于候选标签中存在标签歧义问题，部分标签学习成为一个充满挑战的领域。 在部分标签学习的研究中，一个关键目标是消解这种标签歧义，正确识别每个样本的真实标签。以往的方法...

通过替代双教师自调教学实现弱监督语义图像分割 背景介绍 随着计算机视觉领域的不断发展，语义分割成为了其中一个重要而活跃的研究方向。传统的语义分割方法依赖手工标记的像素级标签，然而获取这些精确标注通常需要大量的人力和时间成本。为了解决这一问题，近年来提出了弱监督语义分割（Weakly Supervised Semantic Segmentation，WSSS），其目标是在最小化人工标注的前提下，利用弱标注信息（如图像标签、边框、涂鸦等）实现高效的语义分割。 本文研究的是基于图像级标签的弱监督语义分割方法，这是所有 WSSS 类别中最具挑战性的任务。当前方法主要依赖于图像分类模型生成伪分割掩膜（Pseudo Segmentation Masks，PSMs），但这些模型特征主要用于分类任务，导致伪...