FedS2R:一次性联邦域泛化分割框架
热点事件持续更新
FedS2R:一次性联邦域泛化分割框架
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Tao Lian 等作者提出 FedS2R,称其为首个面向自动驾驶合成到真实语义分割的一次性联邦域泛化框架。该框架由不一致性驱动的数据增强策略,以及多客户端知识蒸馏与特征融合两部分组成。 在 Cityscapes、BDD100K、Mapillary、IDD 和 ACDC 五个真实数据集上,FedS2R 的全局模型显著优于各客户端单独训练的模型,但比能同时访问全部客户端数据训练的模型低 2 mIoU。
AI 根据报道生成 · 55 分钟前更新
最新进展11月20日 13:00
FedS2R:面向自动驾驶合成到真实语义分割的一次性联邦域泛化框架报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AIFedS2R:面向自动驾驶合成到真实语义分割的一次性联邦域泛化框架
FedS2R 是首个面向自动驾驶合成到真实语义分割的一次性联邦域泛化框架,由不一致性驱动的数据增强策略和多客户端知识蒸馏与特征融合两部分组成。在 Cityscapes、BDD100K、Mapillary、IDD 和 ACDC 五个真实数据集上,其全局模型显著优于各客户端单独模型,仅比同时访问全部客户端数据训练的模型低 2 mIoU。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。