发 paper 时是不是总被创新点难倒？改模型改到怀疑人生，调代码调得头皮发麻？别急，今天给你推荐一个省时省力的高效炼丹法——用“即插即用模块”像搭积木一样构建你的模型。只需融入少量自己的想法，就能快速组合出创新方案。

这种方法不仅免去了从零造轮子的痛苦，还能简化模型设计、减少重复劳动。每个模块都自带标准接口，轻松替换不同组件，实验迭代速度飞快！

担心不好上手？放心，我们从 CVPR2025 中精选了10个即插即用模块，原文和代码全都备好——除了官方实现，还为你提炼了更易用的精简版代码，助你迅速上手、早日出成果！

➔➔➔➔点击查看原文，获取即插即用模块集合https://mp.weixin.qq.com/s/I7HTfCpSxz2HYnK2r5as-g

SCSegamba

论文：SCSegamba: Lightweight Structure-Aware Vision Mamba for Crack Segmentation in Structures

【创新点】为解决现有裂缝分割方法在分割质量与计算资源消耗间的平衡难题，本文提出了一种专为裂缝分割设计的轻量级视觉Mamba网络——ScSegamba。该模型的核心在于其创新的视觉状态空间模块SAVSS，它包含两个关键组件：一是GBC，通过带门控的瓶颈卷积高效建模裂缝形态，并显著减少参数；二是SASS，通过结合平行与对角扫描路径，增强了对不规则、多方向裂缝拓扑和纹理的感知能力。此外，模型还设计了MFS分割头，高效融合多尺度特征，以低复杂度生成高质量分割图。性能测试表明，ScSegamba在取得超越SOTA方法的最高性能时，模型参数仅为2.8M，计算量为18.16G FLOPs，展现了卓越的效率，非常适合部署在资源受限的边缘设备上。

LSNet

论文：LSNet: See Large, Focus Small

【创新点】本文提出了一种受人类视觉系统启发的轻量级视觉网络LSNet，其核心策略为“先宏观感知，后微观聚焦”（See Large, Focus Small），旨在以极低的计算成本平衡性能与效率。为此，设计了核心的LS（Large-Small）卷积模块：它首先通过大核感知（LKP）高效捕捉大范围的上下文信息，然后利用小核聚合（SKA）在动态权重引导下对局部细节进行精确建模。LSNet作为高效的特征提取骨干网络，可灵活集成到成熟的下游任务框架中。性能上，LSNet在多个尺寸上均实现了SOTA级的性能与效率，例如LSNet-B在ImageNet-1K上以低计算量达到80.3%的Top-1准确率，且推理速度更快，超越了RepViT等模型。

MegaSam

论文：MegaSaM: Accurate, Fast, and Robust Structure and Motion from Casual Dynamic Videos

【创新点】本文提出一种可从动态场景的普通单目视频中准确、快速且稳健估计相机参数和深度图的系统。该系统基于深度视觉SLAM框架，经精心修改训练和推理方案，适用于复杂动态场景的真实世界视频，包括相机视差较小的视频。其关键创新是将单目深度先验和运动概率图整合到可微分SLAM范式，分析视频中结构和相机参数的可观测性，引入不确定性感知的全局BA方案，能高效获取一致的视频深度且无需测试时网络微调。大量实验表明，该系统在相机姿态和深度估计上显著优于先前及同期研究，运行时间更快或相当。

Dyfo

论文：DyFo: A Training-Free Dynamic Focus Visual Search for Enhancing LMMs in Fine-Grained Visual Understanding

【创新点】人类能在杂乱环境中轻松定位目标物体，这依赖于一种被称为视觉搜索的认知机制，该机制可高效过滤无关信息，聚焦于与任务相关的区域。受此过程启发，研究者提出了 DyFo（动态聚焦），这是一种无需训练的动态聚焦视觉搜索方法，旨在增强大型多模态模型（LMMs）的细粒度视觉理解能力。与现有需要额外模块或数据收集的方法不同，DyFo 利用 LMMs 与视觉专家之间的双向交互，通过 蒙特卡洛树搜索（MCTS） 算法模拟类人聚焦调整。这使得 LMMs 能够聚焦于关键视觉区域，同时过滤无关内容，且不会因词汇扩展或整合专门的定位模块而引入额外训练。实验结果表明，DyFo 显著提升了 LMMs 的细粒度视觉理解能力，减少了幻觉问题，在固定分辨率和动态分辨率模型上均取得了优异性能。

DeCLIP

论文：Generalized Decoupled Learning for Enhancing Open-Vocabulary Dense Perception

【创新点】本文首先揭示了CLIP模型在密集感知任务中表现不佳的核心瓶颈：其深层图像令牌无法关注语义相关区域，反而过度集中于少数“代理令牌”。为解决此问题，文章创新性地提出了DeCLIP解耦学习框架。该框架将CLIP的自注意力模块解耦为“内容”和“上下文”特征，并利用多模型协同蒸馏进行独立优化：一方面，借助视觉基础模型（VFM）指导上下文特征以学习空间相关性；另一方面，引入稳定扩散模型的注意力图来增强对象的完整性。通过这种无监督微调，DeCLIP有效解决了视觉-语言对齐与空间感知优化的冲突，显著提升了CLIP的局部辨别力和空间一致性，成功将其改造为一个强大的通用密集感知基础模型，并在多种2D/3D/视频的开放词汇分割与检测任务上达到了SOTA水平。

HVI

论文：HVI: A New Color Space for Low-light Image Enhancement

【创新点】为从根本上解决传统HSV空间在低光图像增强中存在的红色不连续和暗区噪声问题，本文提出了专为此任务设计的新型HVI色彩空间。基于此，论文设计了一个高效的颜色与强度解耦网络（CIDNet），其双分支架构在HVI空间中分别对颜色（HV）与亮度（I）进行独立建模，从而实现精准的光度映射与自然的色彩恢复。该方法在10个基准数据集上超越了现有SOTA方法，且模型轻量高效（1.88M参数），在效果与效率间取得了极佳平衡。此外，HVI空间作为即插即用模块能普遍提升多种现有模型的性能，证明了其强大的泛化能力与通用有效性。

DCMPNet

论文：Depth Information Assisted Collaborative Mutual Promotion Network for Single Image Dehazing

【创新点】本文首次构建了一个统一的端到端学习框架，将单图像去雾与深度估计视为两个独立但可协同的任务，以实现相互促进。其核心是一种创新的“差异感知”交互机制，作为连接并联合优化两个任务的桥梁。具体而言，该机制一方面利用去雾图像与真实清晰图像的差异，来引导深度估计网络关注去雾效果不佳的区域，提升深度预测准确性。反之，它也利用估计深度图与真实深度图的差异，反向指导去雾网络进行优化，并引入深度信息作为辅助输入。通过这种双向协同机制，两个任务得以相互促进，最终实现了性能的共同提升。

CATANet

论文：CATANet: Efficient Content-Aware Token Aggregation for Lightweight Image Super-Resolution

【创新点】本文提出了一种新颖的轻量级图像超分辨率网络CATANet，其核心是高效的内容感知令牌聚合（CATA）模块。该模块通过在训练阶段使用指数移动平均更新、而在推理阶段保持固定的“令牌中心”，巧妙地消除了耗时的聚类过程，从而大幅提升了推理速度。在此基础上，网络进一步结合了创新的组内自注意力（IASA）与组间交叉注意力（IRCA）。IASA在内容相似的令牌组内实现精细化的长距离信息交互，而IRCA则利用全局令牌中心整合全局信息。最终，CATANet在性能和速度上均表现卓越，与先进的SPIN模型相比，其PSNR最多提升0.33dB，推理速度却接近其两倍，展现了优异的部署潜力。

➔➔➔➔点击查看原文，获取即插即用模块集合https://mp.weixin.qq.com/s/I7HTfCpSxz2HYnK2r5as-g

MaIR

论文：MaIR: A Locality- and Continuity-Preserving Mamba for Image Restoration

【创新点】为解决Mamba架构在图像处理中因暴力展平（flattening）而破坏空间结构的问题，本文提出了高性能图像恢复模型MaIR。其核心是首创的嵌套S形扫描（NSS）策略，通过在图像条带内部和之间均采用S形路径，首次同时保持了图像的局部性与扫描的连续性。为有效融合多方向扫描产生的互补信息，论文设计了序列混洗注意力（SSA）模块，高效地在序列的对应通道间进行信息聚合。该模型在不引入CNN等额外计算开销的情况下，实现了卓越的恢复性能。在图像超分、去噪、去模糊和去雾四大任务、14个基准数据集上的广泛实验中，MaIR的性能超越了40个基线模型，证明了其强大的有效性与泛化能力。

MambaOut

论文：MambaOut: Do We Really Need Mamba for Vision?

【创新点】本文通过对Mamba底层RNN机制的深入剖析，首次明确指出其核心优势在于处理兼具“长序列”与“自回归”特性的任务。基于此，论文提出了一个核心假说：对于不具备这些特性的图像分类任务，Mamba的核心模块SSM（状态空间模型）并非必需；而对于具备长序列特性的检测与分割任务，SSM则仍有价值。为验证该假说，研究构建了一个名为MambaOut的简化模型，它移除了Mamba中的SSM模块，仅保留Gated CNN结构。实验提供了有力的实证依据：在ImageNet分类任务上，更简单的MambaOut全面超越了现有视觉Mamba模型，但在COCO和ADE20K等下游任务中则表现不及，从而清晰地验证了核心假说。

➔➔➔➔点击查看原文，获取即插即用模块集合https://mp.weixin.qq.com/s/I7HTfCpSxz2HYnK2r5as-g