研究者提出UGA不确定性门控3D点云分割框架

Yifei Zhao等作者提出不确定性门控自适应（UGA）框架，用于广义少样本3D点云分割，作者称这是首个将不确定性提升到更新级门控的框架。 UGA的核心模块UG-Update通过合并支持集与伪标签新类监督的类内离散度，估计每轮更新的可靠性，据此选择性门控残差梯度更新；同时配合UB-Filter从高置信稠密信号中学习。报道未给出实验数据或效果结论。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。