CV

• 【arXiv】Activation Quantization of Vision Encoders Needs Prefixing Registers

  更新于:21 Jul, 2026

  RegCache 发现视觉编码器中的高范数 outlier 会严重放大量化误差，并通过中间层 prefix registers 和 token deletion 改善 CLIP、SigLIP、DINOv2 等模型的低比特量化。

• 【ICLR 2024】Vision Transformers Need Registers

  更新于:21 Jul, 2026

  Vision Transformers Need Registers 解释 ViT 中背景高范数 token 的来源，并用额外的 register tokens 把模型的隐式工作空间显式化。

• 【arXiv】INP-Former++: Advancing Universal Anomaly Detection via Intrinsic Normal Prototypes and Residual Learning

  9 Jul, 2026

  INP-Former++ 在 INP-Former 的单图内在正常原型上加入 Soft INP Coherence Loss 和 Residual Learning，把方法扩展到 semi-supervised、few-shot、multi-class 和一定 zero-shot 场景。

• 【arXiv】One Dinomaly2 Detect Them All: A Unified Framework for Full-Spectrum Unsupervised Anomaly Detection

  9 Jul, 2026

  Dinomaly2 在 Dinomaly 的特征重建框架上加入 Context-Aware Recentering，并把同一套最小化设计扩展到多视角、多模态、few-shot 和 inference-unified MUAD。

• 【CVPR 2025】Exploring Intrinsic Normal Prototypes within a Single Image for Universal Anomaly Detection

  9 Jul, 2026

  INP-Former 从测试图像自身动态提取 Intrinsic Normal Prototypes，并用这些正常原型指导特征重建，缓解训练集正常原型与测试图不对齐的问题。

• 【CVPR 2025】Dinomaly: The Less Is More Philosophy in Multi-Class Unsupervised Anomaly Detection

  9 Jul, 2026

  Dinomaly 用强预训练 ViT 特征、Noisy Bottleneck、Linear Attention 和 Loose Reconstruction，缓解多类别无监督异常检测中的 identity mapping 问题。