各向异性区域表示

AD-GBC：用于基于UNet的医学图像分割的各向异性粒球跳跃连接细化器

AD-GBC: Anisotropic Granular-Ball Skip-Connection Refiner for UNet-Based Medical Image Segmentation

AD-GBC 将原型推广为可学习的各向异性几何区域，并以全可微分方式聚合与重分配特征，为 UNet 类分割网络提供了一种即插即用的几何感知细化模块；其 Wasserstein 多样性损失和尺度一致性损失可防止中心坍缩，这种区域级表示思路可迁移到其他密集预测任务。