连通性约束

可微拉普拉斯矩阵引导的超像素分割

Differentiable Laplacian Matrix Guided Superpixel Segmentation

提供一种模型无关、完全可微的图拉普拉斯损失，可直接嵌入现有超像素网络训练中替代不可微的连通性后处理，做密集预测或区域划分的研究者可复用该正则项与新增的杂散像素/多余连通分量评测指标。