PulseAugur
中
实时 06:09:36
English(EN) Robust Activation Map Rectification for Weakly Supervised Volumetric Segmentation: Temporal Coherence as a Free Lunch

新方法校正体积分割中的噪声激活图

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的无需训练的框架，通过校正噪声类别激活图（CAMs）来改进弱监督体积分割。该方法利用体积数据中的时间和结构相干性，引入了方差减小激活聚合（VRAA）来减少噪声和增强语义信号，以及双向极端校正（BER）来纠正不合理的激活而无需额外参数。该方法与模型无关，并在Dice和mIoU分数上显示出显著的改进，同时减少了推理时间。 AI

影响 该方法有望提高医学影像和其他体积数据分析中分割任务的准确性和效率。

排序理由 该集群包含一篇详细介绍体积分割新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法校正体积分割中的噪声激活图

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Renshu Gu, Jialiang Chen, Fei Gao, Hang Su, Jun Qi, Jiamin Xu, Yicheng Shen, Jiayu Zhang, Jiaxi Pan, Caiming Zhang, Gang Xu ·

    用于弱监督体积分割的鲁棒激活图校正：时间相干性作为免费午餐

    arXiv:2607.19877v1 Announce Type: new Abstract: Weakly supervised segmentation relies heavily on class activation maps (CAMs) to initially localize target regions. However, CAMs are often noisy and prone to catastrophic failures. Existing remedies typically introduce additional t…

相关实体

相关话题