免训练单样本科学图像分割框架提出
热点事件持续更新
免训练单样本科学图像分割框架提出
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究者提出一种免训练的单样本科学图像分割框架，仅用一张标注参考图即可让视觉基础模型适配科学图像分割。该方法先用 DINOv3 表示结合背景自适应特征正交化抑制伪影方向，再用余弦相似度定位候选区域，交由 SAM 完成分割。 在红细胞显微、结构光池沸腾和胸部 X 光三类数据上，该方法相比最强基线平均 IoU 分别提升 5.91% 和 78.62%，胸片性能与基线相当。
AI 根据报道生成 · 3 小时前更新
最新进展10月8日 12:00
无需训练的单样本自适应分割框架：用 DINOv3 与 SAM 适配科学图像报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.CV无需训练的单样本自适应分割框架：用 DINOv3 与 SAM 适配科学图像
研究者提出一种免训练的单样本框架，仅用一张标注参考图即可让视觉基础模型适配科学图像分割：先以 DINOv3 表示结合背景自适应特征正交化抑制伪影方向，再用余弦相似度定位候选区域交由 SAM 分割。在红细胞显微、结构光池沸腾和胸部 X 光三类数据上，该方法相比最强基线平均 IoU 分别提升 5.91% 和 78.62%，胸片性能相当。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。