研究人员开发了 SADe，一种旨在通过清理弱支持注释来改进少样本分割的新型层。该方法使用稀疏自动编码器原子证据来估计支持块的可靠性，从而有效地去除干扰项和背景噪声。SADe 可以与现有的少样本分割模型集成，而无需更改其查询端推理，在各种弱支持场景中展示了显著的性能提升，并在特定的提示-样本组合上优于其他方法。 AI
影响 增强了分割模型对不完美注释的鲁棒性，有可能改进实际应用。
排序理由 这是一篇详细介绍少样本分割新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
