【Block总结】FDConv，多频动态调制卷积模块|即插即用|CVPR2025

论文信息

• 标题: Frequency Dynamic Convolution for Dense Image Prediction (用于稠密图像预测的频率动态卷积)
• 作者: Linwei Chen, Lin Gu, Liang Li, Chenggang Yan, Ying Fu
• 核心思想: 针对现有动态卷积（DY-Conv）方法中并行权重在频域响应上高度相似、参数效率低的问题，提出了一种在傅里叶域学习权重的新型动态卷积方法——频率动态卷积（FDConv）。FDConv能在不增加参数成本的前提下，生成具有多样化频率响应的权重，并通过空间和频域调制进一步提升其自适应能力。
• 模型: FDConv是一种即插即用的卷积模块，可无缝集成到ResNet、ConvNeXt、Swin Transformer等多种主流架构中。
• 代码: https://github.com/LinweiChen/FDConv

---

创新点

1. 频域视角的创新: 首次从频率响应的角度系统分析了现有动态卷积方法的局限性，指出其并行权重在频域上高度同质化，导致参数冗余和适应性受限。
2. 傅里叶分离权重 (FDW): 提出在傅里叶域学习权重，将固定的参数预算按频率划分为互不相交的组，再通过逆傅里叶变换（iDFT）生成空间域