Safr

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…