University of Pennsylvania（宾夕法尼亚大学）

From Spatial to Spectral: An Efficient, Frequency-Guided Feature Representation Learner for Small Object Detection

从空间到频谱：一种用于小目标检测的高效频率引导特征表示学习器

Yuhan Rui, Shihan Qiao, Yibin Lou, Mingxi Yu, Yutong Wan, Yanqiao Chen, Dongsheng Hou, Zhen Cao, Athena Zhuoming Zhong, Qi Hao

机构 * Southern University of Science and Technology（南方科技大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 提出从空间域转向频谱域的特征处理范式，通过频率引导特征表示框架和轻量级DER算子（WDG、LGE、FDHead），在多个基准上以1/6参数超越YOLOv11。

Task Vector Bases: A Unified and Scalable Framework for Compressed Task Arithmetic

任务向量基：一种统一且可扩展的压缩任务算术框架

Siqi Zeng, Yifei He, Meitong Liu, Weiqiu You, Yifan Hao, Yao-Hung Hubert Tsai, Makoto Yamada, Han Zhao

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Pennsylvania（宾夕法尼亚大学） ； Okinawa Institute of Science and Technology（冲绳科学技术大学院大学） 纠错

AI总结 提出任务向量基框架，将T个任务向量压缩为M<T个基向量，支持加法、否定等算术操作，理论保证泛化与遗忘，实验表明压缩后性能优于或持平完整集合。

Comments Published as a journal paper at TMLR in Jun 2026. 10 pages, 12 figures