覆盖度选择

清洗池子：深度主动学习中未标注池的渐进式过滤

Cleaning the Pool: Progressive Filtering of Unlabeled Pools in Deep Active Learning

对视觉研究者而言，REFINE 提供了一种无需预先知道哪种采样策略最优的集成式主动学习流程：先用多策略集成对未标注池做渐进式过滤，再用覆盖度选择挑批，可直接套用到视觉基础模型（如 CLIP、DINOv2）的标注预算受限微调场景，且过滤后的池子能提升任意单一 AL 策略的表现。