结合创新！“全局注意力+局部注意力”发文直冲顶会，CVPR/AAAI轻松拿下

时至今日，顶会还在疯狂收割“全局注意力+局部注意力”相关的研究。当然不是我夸大，这方向光理论上就有很多坑没填，应用上又有刚需，就大模型长文档处理那块，因此不可否认它依然是学术界发文好方向。

最近AAAI 2026的最佳论文就给开了个头，ReconVLA的核心就是用重建任务逼着模型聚焦局部+全局。另外还有一些成果，比如CVPR的S₆⁴-MSTD、SegMAN...都说明了顶会评审现在特别吃这套“精准注意力”的故事。

如果你打算上手，那就不要考虑灌水了，直接冲顶会，推荐深挖注意力分配的层级理论、隐式全局引导的记忆重建。这里我已经帮你准备好了17篇前沿论文，附代码，可直接拿来找方向/模仿文章结构/复现。

全部论文+开源代码需要的同学看文末

【CVPR 2025】SegMAN: Omni-scale Context Modeling with State Space Models and Local Attention for Semantic Segmentation

研究方法：论文提出的SegMAN方法，通过编码器中融合全局注意力与局部注意力的LASS模块，结合解码器中基于Mamba的MMSCopE多尺度上下文提取模块，实现高效全局上下文建模与精细局部细节编码，同时适配不同输入分辨率以完成语义分割任务。

创新点：

• 提出LASS令牌混合器，融合Natten局部注意力与SS2D状态空间模型，线性复杂度下同时实现全局上下文建模和局部细节编码，适配不同输入分辨率。

• 设计MMSCopE解码器模块，基于Mamba实现多尺度上下文提取，可随输入分辨率自适应缩放，更好保留细粒度特征细节。

• 构建SegMAN分割网络，在多个主流语义分割数据集取得SOTA性能，计算效率更优，且编码器分类表现优异、模块泛化性强。

研究价值：论文提出的SegMAN模型通过融合状态空间模型与局部注意力实现全尺度上下文建模，在保证计算效率的同时，大幅提升了语义分割任务的性能，且模型组件具备良好泛化性，为语义分割的特征提取与上下文建模提供了高效的新方案。

【ICCV 2025】Enhancing Zero-shot Object Counting via Text-guided Local Ranking and Number-evoked Global Attention

研究方法：论文提出的方法通过文本引导局部排序（TLR）利用局部-文本排序损失强化局部注意力以区分前景与背景补丁，结合数字诱发全局注意力（NGA）通过粗到细对齐方案筛选高相似度数字条件文本提示与全局图像特征计算交叉注意力，双模块协同利用局部与全局特征提升文本引导零样本目标计数性能。

创新点：

• 提出融合文本引导局部排序和数字诱发全局注意力的通用策略，同时利用局部补丁与全局图像特征，弥补现有方法仅用局部特征的不足。

• 设计局部-文本排序损失扩大前景背景相似度差异，强化局部定位能力；通过粗到细对齐筛选数字条件文本提示，与全局特征计算交叉注意力提升计数能力。

• 构建ZSC-8K数据集，优化类别分布并设置长尾测试集，为该任务建立更贴合实际的大规模评估基准。

研究价值：论文提出的文本引导局部排序和数字诱发全局注意力通用策略，有效融合局部与全局特征提升了文本引导零样本目标计数的性能、泛化性和可扩展性，同时构建的ZSC-8K数据集为该领域提供了更贴合实际的大规模评估基准，为零样本目标计数研究提供了新方法与新基准。

关注下方《学姐带你玩AI》🚀🚀🚀

回复“222”获取全部方案+开源代码

码字不易，欢迎大家点赞评论收藏