实体
Cross-Domain Few-Shot Segmentation
Cross-Domain Few-Shot Segmentation
PulseAugur coverage of Cross-Domain Few-Shot Segmentation — every cluster mentioning Cross-Domain Few-Shot Segmentation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的无训练方法推动跨域少样本分割 · 跟踪5个来源
研究人员开发了两种新颖的跨域少样本分割（CD-FSS）方法，无需训练或微调，从而降低了计算成本并防止了过拟合。一种方法基于DINOv3编码器，使用语义感知特征重融合（SAFR）、自适应支持增强（ASE）和混合原型匹配（HPM）模块来增强语义辨别力并适应不同复杂性。第二种方法，双层级聚合网络（DHANet），采用层级空间聚合（HSA）和层级通道聚合（HCA）来解决语义和属性过度对齐问题，并结合在线概率语义库（OPSB）来缓解支持不足的问…
-
新方法通过高效适应性提升少样本分割能力
研究人员开发了新的方法来改进少样本语义分割，这项任务专注于在训练数据非常有限的情况下识别图像中的物体。一种名为“Take a Peek”（TaP）的方法，利用低秩适应（LoRA）来高效地微调特征提取编码器，在不显著增加计算成本的情况下增强其适应新类的能力。另一种方法，多视图渐进式适应（MPA），通过渐进式增强数据并采用双链预测策略来更好地将模型适应新领域，从而解决了跨域少样本分割问题，并显示出比现有技术显著的性能提升。