Measurement-guided, training-free Fourier correction: a cost-efficient alternative to generative adaptation for cold-start construction-scene segmentation
Este artículo introduce un protocolo de corrección de Fourier rentable y libre de entrenamiento que cuantifica y ajusta desajustes específicos de amplitud de baja frecuencia entre imágenes de construcción sintéticas y reales para mejorar significativamente el rendimiento de segmentación en el arranque en frío para clases críticas de seguridad poco comunes sin requerir extensos datos no etiquetados del objetivo o modelos generativos.