Tag · 2 篇
跨域少样本分割
01 02
选择性、正则化与校准：利用视觉基础模型进行跨域少样本语义分割
Selective, Regularized, and Calibrated: Harnessing Vision Foundation Models for Cross-Domain Few-Shot Semantic Segmentation
对做分割的人，这篇给出了一个在冻结 VFM 特征上做测试时适配的完整范式：用数据相关的 Exemplar Transfer Risk 自动挑层、再用先验引导正则化与像素级校准修正交互图，且只微调不到 2.7% 参数，可直接迁移到其他少样本/跨域密集预测任务。
基于多视图渐进自适应的跨域少样本分割
Cross-Domain Few-Shot Segmentation via Multi-view Progressive Adaptation
把「渐进增强 + 多视图预测一致性」作为无标注目标域自适应的通用手段，可直接迁移到其他跨域密集预测任务（如跨域检测、跨域深度估计）的目标域微调阶段。