ICCV 2025 | FDAM：告别模糊视界，源自电路理论的即插即用方法让视觉Transformer重获高清细节

针对视觉 Transformer（ViT）因其固有 "低通滤波" 特性导致深度网络中细节信息丢失的问题，我们提出了一种即插即用、受电路理论启发的 频率动态注意力调制 （FDAM）模块。它通过巧妙地 "反转" 注意力以生成高频补偿，并对特征频谱进行动态缩放，最终在几乎不增加计算成本的情况下，大幅提升了模型在分割、检 测等密集预测任务上的性能，并取得了 SOTA 效果。 该工作来自北京理工大学、RIKEN AIP和东京大学的研究团队。 研究背景：为什么这是一个重要的问题？ 论文全文: https://arxiv.org/abs/2507.12006 作者主页: https://linwei-chen.github.io 实验室主页: https://ying-fu.github.io 开源代码: https://github.com/Linwei-Chen/FDAM 正如上图所示，在标准的 ViT 中，高频信息随着层数加深迅速衰减至零。解决这一根本性缺陷，释放 ViT 在高清视觉任务上的全部潜力，是当前领域亟待突破的 关键瓶颈。 现有方法的局限性 此前，一些工作尝试缓解 ViT 的 "过平滑" 问题，例如通过正则 ...