复旦大学与腾讯优图实验室提出的新算法DualAnoDiff，通过双分支并行生成机制，解决了工业品异常检测中的数据稀缺问题。该模型生成的异常图像与原始数据高度一致，显著提升了检测性能，实验结果显示其在真实性和多样性上优于现有方法。

本研究提出了一种名为“One Normal Image Prompt”（OneNIP）的方法，通过一张正常图像进行异常重构，有效解决了多类异常检测中的失败问题，显著提高了检测性能和像素级分割精度。该方法在多个基准测试中优于现有技术。

本研究提出了一种多尺度符合预测的零样本机器生成文本检测框架，旨在降低虚假正例率（FPR）带来的社会风险。该框架有效限制FPR上限，并提升检测性能，实证结果在多个检测器和数据集上表现显著。

本研究提出了TrueFake数据集，包含60万幅AI生成的假图像，旨在研究其在社交媒体上传播虚假信息的影响。实验结果表明，社交媒体的分享显著影响假图像的检测性能，强调在真实环境中评估取证模型的重要性。

本研究提出DIS-CO方法，以解决在无法直接访问训练数据的情况下验证视觉语言模型（VLM）是否使用了版权内容的问题。通过反复查询具体画面，DIS-CO显著提高了检测性能，揭示了模型接触版权内容的广泛问题。

该研究提出了AnomalyGFM模型，解决了通用图模型在图异常检测中的泛化问题，支持零样本推理和少样本调整，显著提升了检测性能。

本研究分析了自动语音识别（ASR）错误对阿尔茨海默病检测性能的影响。结果表明，不同类型的ASR错误对检测结果的影响不同，特定关键词比停用词更为重要。这为理解ASR错误与检测模型的关系提供了新见解。

本研究提出了一种新的类不平衡跨域分布外检测方法（CCOD），通过不确定性感知自适应语义对齐网络（UASA）构建标签驱动的原型，显著提升了检测性能，实验结果表明其优于现有方法。

本研究提出了大型双视角X射线（LDXray）数据集，以解决现有单视图数据集的不足。通过辅视增强网络（AENet），结合主视图与辅视图，显著提升了违禁物品的检测性能，尤其在雨伞等难度较大的类别中提高了24.7%的准确率。

本文介绍了SIXray数据集及其在安全检查中的物品检测应用，提出了class-balanced hierarchical refinement（CHR）方法，以解决X射线图像中的物品遮挡问题。研究展示了改进的检测技术，如De-occlusion Attention Module（DOAM）和选择性密集注意力网络(SDANet)，显著提高了检测性能。此外，通过引入双视角X射线数据集和辅视增强网络，进一步提升了违禁物品的检测准确率。

本研究探讨了大型语言模型（LLM）在生成文本时的不准确性，提出了一种幻觉推理任务，将生成文本分为一致、不一致和虚构三类。通过零样本方法评估LLM对提示和文本的知识掌握，实验结果表明该方法在幻觉推理中有效，强调了提升检测性能的重要性。

该研究提出了量子深度网络（QUEEN），有效解决了高光谱变化检测中的精度问题，显著提升了检测性能，为遥感技术的发展提供了新方向。

本文探讨了基于卷积神经网络（CNN）和深度学习的前列腺癌（PCa）检测方法。研究表明，采用不同模型（如2D U-Net和CSwin transformer UNet）在MRI图像上进行分割和分类，能够实现良好的检测性能。强调了早期检测的重要性，并提出了未来研究的方向和挑战。

现有方法使用视觉-语言模型如CLIP来增强开放词汇目标检测，但存在概念表示不足和过拟合问题。为此，提出LaMI策略，通过语言模型指令改善概念表示，避免过拟合。LaMI-DETR结合GPT和T5构建视觉概念，提升检测性能。实验显示，该方法在不依赖外部资源的情况下显著提升了泛化能力。

该论文提出了一种数据驱动的AI框架，能够自动选择重要特征并提升检测性能。通过在多个数据集上的验证，该框架显著缩短了特征选择时间，并展现了竞争力的检测效果。此外，研究探讨了基于大型语言模型的特征选择方法在生物医学领域，特别是在基因组数据分析中的应用潜力。

本研究提出了一种名为TSdetector的时空自校正检测器，用于解决结肠镜视频中的腺瘤定位问题。通过时间一致性和空间可靠性学习，该方法提升了检测性能，并在多个公开数据集上实现了最高的腺瘤检测率。

本文介绍了人-物目标交互检测（HOI）方法的进展，包括HO-RCNN、HOI Transformer和CycleHOI等新算法。这些方法通过引入新特征和优化模型结构，显著提升了HOI检测性能，解决了数据集不平衡和计算复杂性问题，推动了该领域的发展。

本文介绍了一种新型深度神经网络HO-RCNN及其在检测人-物交互（HOI）中的应用。该网络结合交互模式特征，显著提升了检测性能。研究提出了多种基于transformer的算法，解决了类别不平衡和多标签需求问题，并在多个数据集上取得了最佳结果。最新方法在HICO-DET和V-COCO上表现优异，训练时间更短，推动了HOI检测技术的发展。

本文提出了多种红外小目标检测方法，包括改进的稠密嵌套注意力网络（IDNANet）、多尺度方向感知网络（MSDA-Net）和单点监督的高分辨率动态网络（SSHD-Net），在公共数据集上表现优异，显著提升了检测的准确性和效率。这些方法通过引入新技术和模块，有效解决了目标检测中的挑战，取得了领先的性能。

本文介绍了多种红外小目标检测的新方法，包括多尺度方向感知网络（MSDA-Net）、扩散模型框架和改进的稠密嵌套注意力网络（IDNANet）。这些方法通过创新模块和损失函数设计，显著提升了检测性能，尤其在公共数据集上表现优异，有效解决了背景杂乱和样本不平衡等问题。