Overlap-aware segmentation for topological reconstruction of obscured objects
Dit artikel introduceert OASIS, een nieuw segmentatie-regressiekader dat een gewogen verliesfunctie hanteert om overlappende gebieden tijdens het trainen te prioriteren, waardoor de intensiteit en topologische reconstructie van zwakke, verduisterde elektronensporen in de uitdagende context van het MIGDAL-experiment aanzienlijk worden verbeterd.