arXiv · cs.AI · Lei Yuan, Zhongxu Hu, Jingyi Wen, Pengxing Yi · 10 小时前模型评分29
DAUPNet：面向跨域小样本语义分割的域感知不确定性建模
DAUPNet: Domain-Aware Uncertainty Modeling for Reliable Prototype Discrimination in Cross-Domain Few-Shot Semantic Segmentation
导读
DAUPNet 将跨域原型匹配重构为不确定性感知的原型判别，先对齐分层支持-查询特征，再用概率方式表示前景与背景原型，并以估计的不确定性调控对比优化。在四个标准目标域上，该框架在 1-shot 和 5-shot 设置下平均 mIoU 分别达到 72.6% 和 76.7%，两个医学域提升明显。代码已公开。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：医疗与生命科学
事件类型：研究发布
证据摘录
- “We therefore propose DAUPNet, a unified framework that reformulates cross-domain prototype matching as uncertainty-aware prototype discrimination.”
- “The code is available at this https URL”
来源：arXiv · cs.AI · arxiv.org