few-shot segmentation | BriefGPT

关键词few-shot segmentation

搜索结果 - 61

ICCV自校准交叉注意力网络用于少样本分割
通用关键词：少样本分割、支持样本、交叉注意、自校准交叉注意、mIoU 分数。摘要：本文提出了一种自校准交叉注意模块来解决几个问题，包括在少样本分割中如何有效利用支持样本、如何融合查询背景特征、以及如何计算相似度。实验证明，该模型在 COCO
PDFa year ago
基于视觉和文本先验的蒙版组装用于少样本分割及更多应用
通过集成 CLIP 模型，我们提出了一种视觉和文本先验引导的掩膜组装网络 (PGMA-Net)，以解决现有基于 CLIP 的少样本分割方法对基准类别的偏见预测问题，并取得了最新的研究成果。
PDFa year ago
MM通过查询引导增强提升少样本 3D 点云分割
通过适应支持原型和查询特征之间的语义差距，我们的方法在点云的少样本分割模型中取得显著改进，并维持高效性能。
PDFa year ago
稠密亲和匹配用于少样本分割
本文提出了一种密集亲和匹配（DAM）框架，通过双向 3D 卷积密集捕捉每个支持 - 查询对中的像素对像素和像素对补丁关系来利用支持查询交互，用于分割使用少量注释样本的新颖类别图像。
PDFa year ago
CVPRMIANet：聚合无偏实例和通用信息进行少样本语义分割
提出了一种多信息集成网络（MIANet），它有效地利用了一般知识和实例信息进行准确的分段，通过多种信息聚合，MIANet 高效地利用了语义词嵌入和实例信息，最终提高了 PASCAL-5i 和 COCO-20i 数据集的性能并取得了新的最佳效
PDFa year ago
基于四元数相关性学习的小样本语义分割
本文提出了一种基于四元数代数的相关学习网络（QCLNet），该网络以四元数域表示相关张量，利用四元数值卷积探索查询子空间的外部关系，并考虑支持子维度的隐藏关系，其在 PASCAL-5i 和 COCO-20i 数据集上的实验结果表明，该方法有
PDFa year ago
T1 加权 MRI 精确少样本无脂肪股肌分割
本文提出了一种少样本分割框架来生成排除肌肉内脂肪 (IMF) 的股肌掩模，该方法以新的伪标签校正和评估方案为基础，以及一种新的噪声稳健的损失以利用高确定性区域。
PDFa year ago
CVPR广义 Few-Shot 语义分割的强基准
本文提出了一种基于 InfoMax 原理和互信息的模型，通过简单的训练过程和知识蒸馏项来改善少样本分割，在 PASCAL-$5^i$ 和 COCO-$20^i$ 这两个流行的分割基准上，针对新类别，1-shot 和 5-shot 的情况下，
PDF2 years ago
ECCVFew-Shot 分割中的类原型关系
本研究提出了一种叫做 “IPRNet” 的方法，采用在原型空间中的原型关系来增强少样本数据在特征空间中的区分性，该方法在 Pascal-5i 和 COCO-20i 数据集上具有优秀的分割性能。
PDF2 years ago
带正则化的神经常微分在强鲁棒原型小样本器官分割中的应用
本文提出了利用神经 - ODE 的内在属性，辅助和增强聚类和一致性损失的正则化原型神经 - 普通微分方程方法 (R-PNODE)，用于进行少样本分割的研究，并且证明在多个数据集上，R-PNODE 的性能显著优于现有的基于卷积神经网络的方法，
PDF2 years ago
ECCV自支撑少样本语义分割
利用自支持匹配策略提高 few-shot 语义分割精度，通过适应性自支持背景原型生成模块和自支持损失进一步促进自支持匹配过程，该策略有效地捕获查询对象的一致潜在特征，从而更适当地匹配查询特征，其实现了多个数据集上的 SOTA，源码可在 ht
PDF2 years ago
ECCV基于 4D 卷积 Swin Transformer 的成本汇聚用于少样本分割
本文提出了一种新的成本聚合网络，称为带有 Transformers（VAT）的体积聚合，用于少量样本分割，并通过 4D 卷积 Swin Transformer 解决了 Transformer 处理相关矩阵时可能遇到的问题，实现了在所有标准基
PDF2 years ago
IJCAICATrans: Few-Shot 分割的上下文和亲和力变换器
本文提出了一种名为 CATrans 的新型分层结构，通过 Relation-guided Context Transformer 和 Relation-guided Affinity Transformer，将支持和查询二者之间的上下文信息
PDF2 years ago
IJCAI原型之外：分治代理器实现少样本分割
该论文提出了一种名为 divide-and-conquer proxies（DCP）的简单而通用的框架，其中包含了自我推理方案，有效的遮蔽平均池化操作和并行解码器结构，旨在对给定手掌标注样本的未见类对象进行分割，且能够优于现有的原型学习方法
PDF2 years ago
CVPR集成少样本学习用于分类和分割
本文介绍了少量样本分类和分割的集成任务 (FS-CS)，将两个常规的少量样本学习问题广义化到具有任意图像对的更现实的情境。提出了用于 FS-CS 的集成少量样本学习 (iFSL) 框架，该框架训练学习者构建类别化的前景图，用于多标签分类和像
PDF2 years ago
CVPR学习什么不应该分割：少样本分割的新视角
本文提出了一种新颖的在 few-shot segmentation 模型中加入 base learner 的方法，通过使用伴随的 base learner 得到被忽略的对象并将其与 meta learner 的预测结果相结合，从而提高模型的
PDF2 years ago
利用潜在原型的对比增强学习进行少样本分割
本文提出了一种利用潜在原型的对比增强方法来提高 few-shot 分割模型性能的方法，通过采样模块生成伪掩模和新的原型，从而提高原型和查询特征之间的相似性信息的利用率，并通过对比增强模块来提高预测性能。实验证明，该方法在 Pascal-5^
PDF2 years ago
费用聚合是少样本分割所需的全部
介绍了一种新颖的成本聚合网络 ——Volumetric Aggregation with Transformers (VAT)，通过使用卷积和 Transformer 处理查询和支持之间的高维相关性地图，从而有效地处理 Few-shot 分
PDF3 years ago
基于密集高斯过程的少样本分割
本篇文章提出了一种基于密集高斯过程回归的 few-shot 图像分割方法，通过有效地捕获支持集中的细节信息并且稳健到外观和上下文的变化，实现了 PASCAL-5i 和 COCO-20i 基准的新的最先进水平。
PDF3 years ago
PFENet++：用去噪的上下文感知先验掩模提升少样本语义分割
本文提出了一种 Context-aware Prior Mask (CAPM) 和 Noise Suppression Module (NSM) 用于 Few-Shot Segmentation 的 prior mask 生成以提高性能，新
PDF3 years ago