实体
Potsdam
Potsdam
PulseAugur coverage of Potsdam — every cluster mentioning Potsdam across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新训练策略改进了缺失数据下的多模态分割
研究人员开发了一种新的多模态语义分割训练策略，以应对传感器模态缺失的挑战。该方法学习直接从预训练的潜在空间中采样模态可用性场景，而不是依赖于随机丢弃。通过量化每个场景对共享潜在表示的影响并使用核平滑技术，该策略对场景分数进行优化，以创建用于微调的概率分布。在遥感数据集上的实验表明，该方法优于标准的微调和基于LoRA的适应方法。
-
Remote SAMsing: From Segment Anything to Segment Everything
研究人员开发了一个名为Remote SAMsing的开源流程，以提高SAM2模型在遥感图像上的分割能力。该流程解决了图像块之间的质量-覆盖权衡和对象碎片化等挑战。通过采用多通道算法和上下文合并技术，Remote SAMsing在无需额外训练数据的情况下显著提高了分割覆盖率和精度。
-
新的预训练策略提高了遥感图像分割中深度学习的准确性
研究人员为用于遥感图像语义分割的深度学习模型开发了一种新的预训练策略。该方法旨在减轻由ImageNet等通用图像数据集与专业遥感数据之间的域差异引起的性能下降。通过指导模型在预训练期间避免学习特定于域的特征，该策略增强了泛化能力。该方法在iSAID、MFNet、PST900和Potsdam等四个不同数据集上取得了最先进的结果，为计算机视觉和遥感领域的统一基础模型铺平了道路。