Semantic-Spatial Residual Bank

新的分割方法从单次标注生成多个掩码

研究人员开发了一种使用单次标注进行多假设分割的新方法，解决了传统数据集每个图像仅提供一个掩码的局限性。他们的方法，即语义空间残差库（SSRB），通过平衡从语义特征和图像残差中学习来生成多个有效掩码。在各种医学和自然图像数据集上的实验表明，与Probabilistic U-Net等现有方法相比，SSRB在覆盖未标注数据方面有所改进，并能产生更多不同且有用的掩码，尤其是在生成大量假设时。