实体
FSS-1000
FSS-1000
PulseAugur coverage of FSS-1000 — every cluster mentioning FSS-1000 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
SADe 通过清理弱注释改进少样本分割
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。
-
REBASE框架通过消除背景噪声增强上下文分割 · 跟踪2个来源
研究人员推出了一种新颖的、无需训练的框架REBASE，旨在改进上下文分割。该方法通过明确抑制参考图像和查询图像之间因共享背景而产生的虚假上下文对应关系，解决了现有方法的局限性。REBASE通过识别和消除背景特征子空间来实现这一点，从而实现更清晰的语义匹配，并在多个基准数据集上确立了新的最先进性能。
-
REBASE框架增强了免训练的上下文分割
研究人员开发了REBASE，一个旨在改进免训练上下文分割的新框架。该方法通过识别并消除参考图像中的低秩背景特征子空间来显式抑制虚假的上下文对应关系。通过将特征投影到该子空间的正交补集上，REBASE实现了更清晰的语义匹配。然后，该框架使用相似性加权的farthest-point采样来生成正例点提示，在PACO-Part、FSS-1000和ISIC2018等数据集上取得了新的最先进性能，而无需任何训练或参数更新。