本研究提出了群体相对知识蒸馏（GRKD）框架，解决了现有知识蒸馏方法忽视教师模型关系性归纳偏置的问题。GRKD通过关注类别之间的相对排名提炼教师知识，实验表明其在细粒度分类任务中具有更优的泛化能力。

本研究提出Finer-CAM方法，旨在解决现有类激活图在区分相似细粒度类别时的不足。Finer-CAM通过比较目标类与相似类的差异，有效抑制共享特征，突出目标类的独特细节。研究表明，Finer-CAM在mask顶端激活像素时，相对置信度显著降低，展示了其在视觉解释中的潜力。

该研究提出了一种自适应提示调优方法，通过交叉注意力机制增强CLIP模型，以应对细粒度分类挑战。该方法动态调整文本提示，实现图像与文本特征的准确对齐，并在多个数据集上显著提升性能和模型预测的可靠性。

本研究提出了一种层次多实例学习（HMIL）框架，旨在提高细粒度全切片图像分类的准确性。通过引入类级注意机制和监督对比学习，增强了模型的区分能力，取得了最新的性能表现，对精准肿瘤学具有重要意义。

本文介绍了一种名为LRPABN的低秩双线性网络，旨在解决少样本学习中的细粒度分类问题。该模型通过双线性池化和特征对齐层学习有效的距离度量，并在多个数据集上表现优异。研究还提出了多种增强模型泛化能力和分类性能的方法，实验结果显示这些方法在少样本分类中具有显著优势。

本研究探讨了知识蒸馏的不同层次及其在模型压缩中的应用，提出了改进方法以提升学生模型的性能。实验证明，教师模型的质量和训练方式对知识蒸馏效果至关重要。此外，研究提出了一种基于比例分离的蒸馏方法，显著提高了细粒度分类任务的识别能力，并解决了错误监督问题。

本研究探讨了自动图像裁剪技术，提出了新数据集以评估算法表现。通过多种方法改进裁剪效果，特别是在高分辨率图像处理和细粒度分类上取得显著进展，展示了新模型在文档理解等任务中的优越性。

本文介绍了多种少样本学习的图像分类方法，如特征映射重建网络、DMN4模型和任务导向通道注意力方法。这些方法通过优化特征选择和增强模型性能，在多个基准数据集上实现了最高20%的准确性提升，特别在细粒度分类任务中表现优异。

本研究比较了遮蔽图像模型（MIM）与监督式预训练模型的表现，发现MIM在细粒度分类任务中表现优异。提出的A^2MIM框架通过研究补丁间相互作用提升了模型处理能力。MIMIR方法增强了Vision Transformers的鲁棒性，而MimCo框架则结合了MIM与对比学习，提高了预训练效果。此外，研究探讨了MIM在医学图像分析中的应用，显示其在监督学习中更快且精度更高。

最近的研究揭示了大型视觉语言模型（LVLM）在细粒度视觉分类中的不足，并提出了多粒度属性评估基准。新框架CascadeVLM利用LVLM的知识，显著提高了细粒度图像分类的准确性。同时，研究探讨了CLIP模型的限制，并提出了改进策略，以增强细粒度属性检测和定位能力。

本文介绍了多种基于CLIP模型的增强方法，如VT-CLIP、CPL、MP-FGVC和GeoCLIP，旨在提升视觉分类和定位性能。这些方法通过引入新技术和多模态协同推理，在细粒度分类和短语定位任务中取得了显著进展，展示了CLIP在视觉和语言任务中的广泛应用潜力。

本文介绍了一种新的分块式遮蔽图像建模（BIM）框架，旨在降低遮蔽图像建模（MIM）的计算资源需求，同时保持高性能。该框架支持多个深度神经网络的并发训练，降低计算成本。研究还探讨了双流视觉模型的开发，模拟人类视觉系统的处理方式，提升计算机视觉的鲁棒性和效率。此外，MIM与监督训练结合，改善了下游任务的学习表示质量，展现出在细粒度分类任务中的优势。

本文介绍了一种基于视频的细粒度物体分类任务及新数据集，研究了多种深度卷积神经网络方法的适应性。提出的双卷积神经网络在多个图像分类基准测试中表现优异，结合视觉注意力和概率图模型，提高了细粒度分类的准确性和效率。

该研究提出了一种多标签零样本学习的神经网络模型，利用嵌入矩阵和加权损失函数提升图像检索质量。模型在多个数据集上测试表现优异，尤其在细粒度分类和视觉-语言模型应用中，显著提高了零样本学习的准确性。

本文介绍了多种基于深度学习的物体部位检测和分类方法，如PDD、PartNet、DP-FCN和ProtoPNet。这些方法通过分析卷积神经网络的输出，提升了细粒度分类和目标检测的性能，并在多个数据集上取得了优异的结果。

最近的研究揭示了大型视觉语言模型在细粒度视觉分类中的不足，并提出了多粒度属性评估基准。通过细调扩散模型，显著改善了文本与图像的对齐能力，尤其在物体属性和空间关系的理解上有效提升了模型性能。

本文探讨了基于掩码图像建模的MAE预训练方法（MAE-lite），分析其在轻量级视觉Transformer（ViTs）中的应用效果。研究表明，MIM在细粒度分类任务中表现优异，并提出了MIMDet检测器，显著提升了检测性能。通过特征蒸馏，增强了预训练方法的微调性能，强调了学习表示的普适性和可扩展性。

本研究探讨了细粒度分类在物种鉴定中的应用，比较了不同深度学习模型的表现。混合模型在准确性上优于其他模型，而完全转换器模型在推断速度上更快。研究还提出了多阶段的 Vision Transformer 框架和新的分类方法，展示了其在生物多样性研究中的潜力。

本研究探讨了多模态视觉-语言模型的选择与预测，提出了LOVM基准测试。分析了视觉模型在识别任务中的应用，提出自适应集成方法以提高零样本分类性能，并介绍了BIKE框架以增强视频识别。研究表明，利用大型语言模型生成的描述可改善细粒度分类，且地理先验对零样本分类有效。

该研究提出了多种新方法以提升视觉-语言模型在少样本类增量学习和细粒度视觉分类中的性能，包括构建高质量的遥感图像字幕数据集（RSICap）和新的零样本学习框架（FGVP）。实验结果显示，这些方法在多个基准测试中优于传统技术，显著提高了模型的泛化能力和分类准确性。