研究者提出CUBE开放集昆虫识别框架
热点事件持续更新
研究者提出CUBE开放集昆虫识别框架
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Hao Tan等研究者提出类条件未知边界证据框架CUBE，用于开放集昆虫物种识别。与把未知性归为单一全局未知类的做法不同，CUBE围绕每个已知物种建模未知性，并保留辅助物种作为影子参考、引入分类学候选校准。 在Open-Insect C-America基准上，CUBE在local、non-local、non-moth三种未知划分上的AUROC分别为95.8%、98.7%、99.1%，闭集准确率为94.9%。
AI 根据报道生成 · 54 分钟前更新
最新进展10月12日 12:00
CUBE：面向开放集昆虫物种识别的类条件未知边界证据框架报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.CVCUBE：面向开放集昆虫物种识别的类条件未知边界证据框架
研究者提出类条件未知边界证据框架 CUBE，围绕每个已知物种建模未知性而非单一全局未知类，并保留辅助物种作为影子参考、引入分类学候选校准。在 Open-Insect C-America 基准上，CUBE 在 local、non-local、non-moth 未知划分上分别达到 95.8%、98.7%、99.1% AUROC，闭集准确率 94.9%。
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。