论文题目:Frequency Dynamic Convolution for Dense Image Prediction
中文题目:用于密集图像预测的频率动态卷积
论文出处:CVPR 2025 (北京理工大学 & 各种顶尖科研机构)
论文原文 (Paper):https://openaccess.thecvf.com/content/CVPR2025/html/Chen_Frequency_Dynamic_Convolution_for_Dense_Image_Prediction_CVPR_2025_paper.html
代码 (code):https://github.com/Linwei-Chen/FDConv
摘要:
本文提取自 CVPR 2025 的最新底层算子革新论文《Frequency Dynamic Convolution for Dense Image Prediction》。近年来,动态卷积(Dynamic Convolution)通过融合多个并行卷积核极大地提升了模型性能,但研究表明:这些并行卷积核在频域上的响应高度相似,导致了极其严重的参数浪费,且缺乏对不同频率特征的自适应能力。本文复现了该网络的核心架构——FDConv(频率动态卷积)。该方案创造性地在傅里叶域(Fourier Domain)中学习固定参数预算,将其划分为具有不相交索引的频段(FDW),并辅以空间调制(KSM)和频带调制(FBM)。它不仅在不增加参数开销的前提下实现了频率多样性,更是密集预测任务(如 YOLO 目标检测、Mask R-CNN 分割)的终极提点算子。
第一部分:模块原理与实战分析
1. 论文背景与解决的痛点
在目标检测和分割等“密集预测”任务中,网络需要同时处理图像中的低频信息(大片平滑背景、物体整体轮廓)和高频信息(锐利的边缘、微小目标的纹理)。
为了让卷积更聪明,大家发明了动态卷积(如 CondConv, ODConv),但它们陷入了死胡同:
- “貌合神离”的并行卷积核:虽然动态卷积生成了 4 个或 8 个不同的卷积核,但如果你把它们转换到频域去看,会发现它们的频谱几乎是一模一样的(高度同质化)。
订阅专栏 解锁全文
4051



被折叠的 条评论
为什么被折叠?



