实体
order
order
PulseAugur coverage of order — every cluster mentioning order 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
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新型扩散模型应对医学图像分割与合成挑战
研究人员开发了新颖的基于扩散的医学图像分割和合成框架，解决了空间不平衡和任务语义冲突带来的挑战。UniT-Diff将半监督学习、无监督域自适应和域泛化统一到一个模型中，采用特定任务的输出空间和自适应条件来防止梯度冲突和域偏差。此外，LAW & ORDER适配器为掩码条件扩散和高效分割引入了自适应空间加权，显著提高了各种医学数据集的图像合成质量和分割精度。
-
新方法通过数据重排和采样解决域适应方差问题
两篇新研究论文提出了改进无监督域适应（UDA）的新方法，通过解决训练期间差异估计的高方差问题。第一篇论文“顺序很重要：通过重排数据改进域适应”介绍了ORDERED，一种优化数据采样顺序以减少估计误差的技术。第二篇论文“方差很重要：通过分层采样改进域适应”提出了VaRDASS，一种在理论上能最小化某些差异度量的方差的分层采样方法。这两种方法都旨在提高机器学习模型应用于新的、未见过的数据分布时的性能。