研究人员开发了TACoS，一种使用弱监督学习对石墨烯和二硫化钼等二维材料进行分割的新颖框架。该方法显著减少了精确局部化通常需要的大量像素级标注。TACoS整合了半监督一致性学习和结构化能量约束，采用分布对齐和树正则化模块来指导分割。该框架还结合了非对称区域对比学习，以提高在低对比度或复杂背景区域的准确性。实验表明，TACoS在仅使用不到0.6%的标注数据的情况下，实现了超过96%的全监督性能，为高通量筛选提供了高效的解决方案。 AI
影响 这种弱监督方法可以通过最小化手动标注的需求，显著降低材料科学研究的成本和时间。
排序理由 该集群包含一篇详细介绍材料分割新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
