研究人员开发了 TEAL,一种新颖的语义分割主动学习框架,可在 Vision Transformers (ViTs) 的 token 空间内高效运行。与需要大量像素标注的先前方法不同,TEAL 使用冻结的 ViT 主干,并直接从其原生 token 晶格中选择信息位置。该方法采用两级 MaxHerding 策略和不确定性细化,显著减少了标注需求,在各种数据集上,仅需每张图像 10 个标注像素即可达到完全监督性能的 97%。 AI
影响 该框架通过利用 ViT token 几何结构,显著降低了语义分割任务的标注成本。
排序理由 该条目描述了一篇详细介绍新颖语义分割框架的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Apple Machine Learning Research 阅读 →
- ADE20K
- Alexander Wong
- Apple Inc.
- CamVid
- Cityscapes
- C Thomas
- DINOv3
- Kimathi Kaai
- Mahip Singh
- PASCAL-Context
- Pedro Pablo Guerrero Vela
- Sirisha Rambhatla
- TEAL
- Utku Cicek
- VideoFlexTok
- Ziyao Shang
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →