ZIP: Scalable Crowd Counting via Zero-Inflated Poisson Modeling
当人群密度图中超过 95% 的局部分块都是空的，平方误差回归还是合适的统计模型吗？
核心想法
ZIP 为每个分块预测两个量：结构零概率用于背景、身体部位和其他非头部中心区域，泊松率用于可能包含头部中心的区域。整数计数分箱用于稳定泊松率预测，联合似然则直接从点标注中学习区分结构零与抽样零。
任务 · 人群计数方法 · 概率模型目标 · 可扩展性
多模态学习 · 计算机视觉 · 医学影像
连接多种模态，构建更可靠的医学影像 AI。
我目前专注于医学影像 AI 中的多模态学习：研究模型如何融合不同影像模态与互补信息，形成可靠的表征与预测。我的既有工作还涉及计算机视觉、人群计数、视觉–语言学习与以人为中心的感知。这里会从问题与直觉出发，讲清每项工作的证据与局限。
“操千曲而后晓声，观千剑而后识器。”
— 刘勰，《文心雕龙·知音》 ↗
01 / 代表性研究
讲清想法、证据与边界。
3 篇精选工作，完整档案收录 6 篇论文。
查看全部出版物CLIP-EBC: CLIP Can Count Accurately through Enhanced Blockwise Classification
CLIP 学到的是图文匹配，而不是连续数值回归。能否重新表述计数问题，让它的识别知识仍然有用？
任务 · 人群计数方法 · 视觉–语言目标 · 准确性
阅读讲解Robust Multiview Multimodal Driver Monitoring System Using Masked Multi-Head Self-Attention
四路异构视频信息应该如何融合？当其中一路或多路失效时，同一个模型还能否继续工作？
任务 · 人类行为方法 · 多模态融合目标 · 稳健性
阅读讲解02 / 我的随笔
让研究变得可读。
第一篇真实长文现已发布，中英文内容一一对应。
03 / 关于