Overlap-aware segmentation for topological reconstruction of obscured objects
Ce papier présente OASIS, un nouveau cadre de segmentation-régression qui utilise une fonction de perte pondérée pour privilégier les régions de chevauchement pendant l'entraînement, améliorant considérablement la reconstruction de l'intensité et de la topologie des traces d'électrons faibles et obscurcies dans le contexte difficile de l'expérience MIGDAL.