ICCV

Processing and acquisition traces in visual encoders: What does CLIP know about your camera?

视觉编码器中的处理与获取轨迹：CLIP对你相机知道什么？

Ryan Ramos, Vladan Stojnić, Giorgos Kordopatis-Zilos, Yuta Nakashima, Giorgos Tolias, Noa Garcia

机构 * The University of Osaka（大阪大学） ； VRG, FEE, Czech Technical University in Prague（捷克理工大学电气工程学院视觉识别组） 纠错

AI总结 研究分析了视觉编码器对图像获取过程参数的编码能力，发现这些参数能影响语义预测，取决于其与语义标签的相关性。

Comments 8 main pages, supplementary attached, ICCV 2025 highlight

Variance-Based Pruning for Accelerating and Compressing Trained Networks

基于方差的剪枝：用于加速和压缩训练好的网络

Uranik Berisha, Jens Mehnert, Alexandru Paul Condurache

机构 * Automated Driving Research, Robert Bosch GmbH（罗伯特·博世有限公司自动驾驶研究） ； Institute for Signal Processing, University of Lübeck（吕贝克大学信号处理研究所） 纠错

AI总结 本文提出基于方差的剪枝方法，通过激活统计信息选择神经元进行剪枝，减少训练成本并保持性能，实验显示在ImageNet-1k任务中DeiT-Base模型剪枝后性能仍达70%以上，仅需10轮微调即可恢复99%精度，同时降低MACs和模型大小。

Comments Accepted as Oral at ICCV'25 (IEEE/CVF International Conference on Computer Vision)