Measurement-guided, training-free Fourier correction: a cost-efficient alternative to generative adaptation for cold-start construction-scene segmentation
Dieses Paper führt ein kosteneffizientes, trainingsfreies Fourier-Korrekturprotokoll ein, das spezifische niederfrequente Amplituden-Fehlanpassungen zwischen synthetischen und realen Konstruktionsbildern quantifiziert und anpasst, um die Cold-Start-Segmentierungsleistung für seltene, sicherheitskritische Klassen signifikant zu verbessern, ohne umfangreiche unbeschriftete Ziel-Daten oder generative Modelle zu erfordern.