跳到主要内容
检索

# 跨域少样本分割

1 篇关联报道

订阅更新
  1. arXiv

    冻结的DINOv3中间层已能分开病灶,SMIA只训0.51M参数让20个医学与工业任务均值mIoU到80.99%

    跨域少样本分割要把自然图像预训练的编码器迁移到医学或工业图像,只靠少量带像素标注的支持样本。SMIA在冻结的DINOv3每个注意力头聚合之后插入一个条件分支,用接收位置在注意力之前的局部状态去决定该头消息如何更新,从而让相近的上下文消息在不同位置产生不同甚至相反的修正。在覆盖5个医学数据集与MVTec AD全部15类的20个任务上,它只训练0.51M参数,5样本与10样本六数据集平均mIoU分别为77.40%和80.99%,比各自最强先前方法高3.61和3.93个百分点。

已读完全部报道