Measurement-guided, training-free Fourier correction: a cost-efficient alternative to generative adaptation for cold-start construction-scene segmentation
Cet article introduit un protocole de correction de Fourier rentable et sans entraînement qui quantifie et ajuste les écarts d'amplitude spécifiques à basse fréquence entre les images de construction synthétiques et réelles afin d'améliorer significativement les performances de segmentation en situation de démarrage à froid pour les classes rares et critiques en matière de sécurité, sans nécessiter de vastes données cibles non étiquetées ou de modèles génératifs.