Tag · 3 篇
Fisher信息
分布 自监督与表征学习1自动驾驶与遥感1图像分割1
01 02 03
基于 Fisher 信息剪枝的领域敏感联邦学习
Domain Sensitive Federated Learning with Fisher-Informed Pruning
把 Fisher 信息当作逐域通道重要性信号，在联邦场景下生成共享剪枝掩码并按域重激活通道，可迁移到视觉模型的多域个性化压缩与结构对齐；结构对比损失利用域原型增强域内一致性与域间可分性，对多域视觉表征学习有直接参考价值。
CrossEarth-Gate：面向跨域遥感语义分割高效适配的 Fisher 引导自适应调优引擎
CrossEarth-Gate: Fisher-Guided Adaptive Tuning Engine for Efficient Adaptation of Cross-Domain Remote Sensing Semantic Segmentation
把 Fisher 信息当作模块重要性的度量，在空间/语义/频率三类适配模块组成的工具箱上做动态稀疏激活，为视觉基础模型跨域适配提供了一种可复用的「按梯度流贡献选模块」的 PEFT 思路，可直接迁移到其他密集预测任务的域偏移场景。
BackSplit：细分背景在生物医学病灶分割中的重要性
BackSplit: The Importance of Sub-dividing the Background in Biomedical Lesion Segmentation
将二分类分割中的背景细分为多个解剖结构类别，利用现有分割模型自动生成辅助标签，在不增加推理成本的情况下提升小病灶分割性能，可推广到其他密集预测任务。