本研究提出了一种新颖的频率动态卷积（FDConv）方法，旨在解决动态卷积在适应性和参数成本方面的局限性。FDConv通过在傅里叶域中学习固定参数预算，构建频率多样化的权重。实验结果表明，该方法在物体检测、分割和分类任务中表现优越，展现了在现代视觉任务中的灵活性和效率。