Wasserstein目标改进EDL分布外分割
热点事件持续更新
Wasserstein目标改进EDL分布外分割
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
Arnold Brosch等作者提出用 Wasserstein 目标替代欧氏目标，改进证据深度学习（EDL）在分布外（OOD）分割中的不确定性估计。作者称，Wasserstein 目标能尊重概率单纯形的几何结构，并在统一证据框架下研究 Wasserstein 阶数对分割精度与 OOD 检测的影响。 该方法在 SegmentMeIfYouCan 基准上评估，涵盖 LostAndFound、RoadObstacle21、RoadAnomaly21 和 Fishyscapes，测试模型为 DeepLabV3+ 与 SegFormer。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
基于 Wasserstein 的证据不确定性：面向分布外分割的概率视角报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.CV基于 Wasserstein 的证据不确定性：面向分布外分割的概率视角
研究用 Wasserstein 目标替代欧氏目标来改进证据深度学习（EDL）的分布外分割不确定性估计，在 SegmentMeIfYouCan 基准（含 LostAndFound、RoadObstacle21、RoadAnomaly21、Fishyscapes）上评估 DeepLabV3+ 与 SegFormer。
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。