PixCon：用干净正样本改进半监督分割
热点事件持续更新
PixCon：用干净正样本改进半监督分割
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Ebenezer Tarubinga 提交的论文提出 PixCon，一种面向基础模型半监督分割的对比学习方法。它在 DINOv2-Base 版 UniMatch V2 上加入类级记忆库，只存储学生预测与标签一致的标注像素特征，并用多正样本对比损失训练共享的编码器-解码器；推理时丢弃对比头和记忆库。 该方法针对的是半监督分割中正样本可能不干净的问题，以预测与标签一致的标注像素作为可靠正样本来源。报道未给出实验效果数据。
AI 根据报道生成 · 49 分钟前更新
最新进展11月5日 13:00
PixCon：面向基础模型半监督分割的干净正样本对比学习报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AIPixCon：面向基础模型半监督分割的干净正样本对比学习
PixCon 在 DINOv2-Base 版 UniMatch V2 上加入类级记忆库，仅存储学生预测与标签一致的标注像素特征，用多正样本对比损失训练共享编码器-解码器，推理时丢弃头和记忆库。
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。