深度分析
「SeeSE3」：自監督視覺基礎模型中隱含的 SE(3) 空間結構探討
研究探討視覺基礎模型是否能在僅被動圖像輸入下自發形成與 SE(3) 變換群一致的三維空間結構，透過拓撲對齊與 Poincaré 適配器測試，結果顯示自監督模型可在潛在空間中解碼相機運動，為無重建視覺導航提供新方向。跨模型比較指出 DINOv2、DINOv3 的對齊分數接近專門幾何模型，顯示被動學習亦能捕捉空間同質性。
視覺基礎模型
深度分析
LoCA：低秩卷積適應提升視覺基礎模型的參數高效微調效能
隨著視覺基礎模型在多樣任務上展現強大表現，如何在保持預訓練空間先驗的同時降低微調成本成為關鍵。研究提出LoCA低秩卷積適應，將通道混合與空間基底分別以低秩方式調整，避免將4維卷積核硬壓成2維矩陣導致的拓撲破壞。實驗顯示LoCA在細粒分類、語意分割與生成任務上均達到或超越最先進表現，同時參數量僅千級。
深度分析
利用 PRISM 動態路由提升多教師蒸餾於視覺基礎模型的效能
研究針對多樣視覺基礎模型的負向傳遞問題，提出PRISM雙流條件化MoE框架，採用教師條件路由於兩階段分解與重組，並加入局部去相關損失防止淺層崩潰，使專家自動分化與動態組合，於PASCAL-Context與NYUD‑v2取得新紀錄，證實稀疏專業化能有效整合異質視覺知識，預示未來多模型蒸餾將走向動態路徑選擇。