Deep Sub-Ensemble

用于语义分割的基础模型在不确定性量化方面的评估

本文探讨了用于语义分割的基础模型的不确定性量化（UQ）方法。研究人员在具有SAM2编码器的微调DPT解码器上评估了四种UQ方法——蒙特卡洛Dropout、深度子集成、测试时增强和证据深度学习。该研究在包括Cityscapes和NYUv2在内的各种数据集以及域外场景中对这些方法进行了基准测试。研究结果揭示了准确性、可靠性和计算成本之间的权衡，表明了不确定性感知基础模型在现实世界部署中的潜力和局限性。