Zhangchi Hu | ViLab

RiO-DETR: DETR for Real-time Oriented Object Detection

Tue, 10 Mar 2026 00:00:00 +0000

本文提出RiO-DETR，一种面向实时旋转目标检测的DETR框架。针对方向语义依赖、角度周期性和搜索空间扩大等挑战，设计了内容驱动的角度估计、旋转校正正交注意力、解耦周期细化以及定向密集O2O机制，在保持实时效率的同时提升角度收敛速度与检测精度。在DOTA-1.0、DIOR-R和FAIR-1M-2.0上的实验表明，该方法实现了新的速度-精度平衡。

Dome-DETR: DETR with density-oriented feature-query manipulation for efficient tiny object detection

Mon, 27 Oct 2025 00:00:00 +0000

本文提出 Dome-DETR，一种面向微小物体检测的高效框架。针对现有方法特征利用不充分和计算成本高的问题，引入轻量级密度聚焦提取器（DeFE）生成紧凑前景掩码，并基于掩码的窗口注意力稀疏化（MWAS）将计算资源集中于关键区域。同时提出渐进自适应查询初始化（PAQI），自适应调节查询分布，提升检测效率与精度。

MeDKCoOp: Dual Knowledge-guided Graph Prompt Learning for Biomedical Vision-Language Models

Mon, 27 Oct 2025 00:00:00 +0000

本文提出MeDKCoOp，一种面向生物医学视觉语言模型的双知识引导图提示学习方法。该方法系统整合医学领域知识，从文本与视觉分支提取专门知识并构建图结构表示，通过知识引导的关系转移实现跨模态融合，并动态优化可学习提示，以增强CLIP等模型在医学下游任务中的适应能力。实验表明其在多个生物医学基准上取得优异性能。

Dash: 4d hash encoding with self-supervised decomposition for real-time dynamic scene rendering

Sun, 19 Oct 2025 00:00:00 +0000

本文提出DASH，一种实时动态场景渲染框架，采用4D哈希编码结合自监督分解。针对现有平面基动态高斯溅射方法因低秩假设导致特征重叠和渲染质量差的问题，DASH通过自监督分解机制分离动态与静态组件，无需人工标注或预计算掩码，并引入多分辨率4D哈希编码器对动态元素进行显式表示，避免低秩约束，从而减少哈希冲突和冗余，实现高质量实时渲染。

Efficient spiking point mamba for point cloud analysis

Sun, 19 Oct 2025 00:00:00 +0000

本文提出 Spiking Point Mamba (SPM)，这是首个将 Mamba 引入三维点云分析的脉冲神经网络。针对直接适配 Mamba 时存在的时序动态不匹配和脉冲引起的信息损失问题，作者设计了层次动态编码 (HDE) 以增强动态时序建模，并提出 Spiking Mamba Block (SMB) 来学习跨时间步特征并减少脉冲信息丢失。此外，采用非对称 SNN 训练策略进一步提升性能。SPM 可作为高效骨干网络，适用于点云分类、部件分割与重建等任务。