DAUPNet 提出不确定性感知原型判别，提升跨域少样本分割
热点事件持续更新
DAUPNet 提出不确定性感知原型判别，提升跨域少样本分割
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
Lei Yuan 等作者提出跨域少样本语义分割框架 DAUPNet，将跨域原型匹配重构为不确定性感知的原型判别：先统一支持集与查询集的分层特征，再对前景和背景原型做概率化表示，并用估计的不确定性调控对比优化。 据该研究称，在四个标准目标域上，1-shot 和 5-shot 平均 mIoU 分别达到 72.6% 和 76.7%，两个医学域提升明显。代码已开源。
AI 根据报道生成 · 47 分钟前更新
最新进展11月3日 13:00
DAUPNet：面向跨域小样本语义分割的域感知不确定性建模与可靠原型判别报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv cs.AIDAUPNet：面向跨域小样本语义分割的域感知不确定性建模与可靠原型判别
DAUPNet 将跨域原型匹配重构为不确定性感知的原型判别，先统一支持集与查询集的分层特征，再对前景和背景原型做概率化表示，并用估计的不确定性调控对比优化。在四个标准目标域上，1-shot 和 5-shot 平均 mIoU 分别达到 72.6% 和 76.7%，两个医学域提升明显。代码已开源。
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。