研究人员推出了 ShadowTransfer,这是一个新的基准,旨在评估阴影检测模型在在一个地理区域训练并在另一个地理区域应用时的性能。该基准包含美国三个城市的 4,500 个经过人工验证的阴影掩码,并采用留一城法评估协议。初步测试表明,当模型迁移到新区域时,性能会显著下降,一些适应方法甚至会进一步降低性能。该研究还提出了一个诊断框架和一个名为 Spectral Information Bottleneck (SIB) 的插件模块来解决这些迁移失败问题。 AI
影响 强调了地理迁移对计算机视觉模型的挑战,可能影响 AI 系统在不同真实世界环境中的部署。
排序理由 该集群描述了在 arXiv 上发布的新基准和研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Institut National de Recherche en Informatique et en Automatique
- ShadowTransfer
- Spectral Information Bottleneck
- U.S.
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →