Dual-Guidance Framework for Semi-Supervised Semantic Segmentation via Uncertainty and Prototypes
本文提出了一种用于半监督语义分割的双重引导框架,该框架结合了不确定性感知动态伪标签细化模块和类原型对比引导模块,以共同细化预测并正则化特征表示,在 PASCAL VOC 2012 和 Cityscapes 基准测试上实现了最先进的性能。
2456 篇论文
本文提出了一种用于半监督语义分割的双重引导框架,该框架结合了不确定性感知动态伪标签细化模块和类原型对比引导模块,以共同细化预测并正则化特征表示,在 PASCAL VOC 2012 和 Cityscapes 基准测试上实现了最先进的性能。
这项针对108项研究(2010–2026)的系统综述通过提出一个“测量—验证—保护”框架,分析了人工智能如何重塑营销度量,该框架旨在平衡深度学习与神经媒体组合模型所带来的增强预测能力,以及隐私保护技术所带来的因果局限性与准确性成本。
本文提出了一种新型的基于束搜索驱动的双路径特征选择与加权合并(BSDPFS-WM)模型,该模型集成了先进的预处理、多策略特征选择以及堆叠泛化技术,旨在实现跨多样化临床数据集的鲁棒、泛化且具可解释性的多癌症检测。
本文针对临床策划的数据集上的自动骨折放射影像描述任务,对九种编码器-解码器架构进行了全面的基准测试,结果表明,视觉-语言预训练的 BLIP-Base 模型在不同视觉编码器与 GPT-2 解码器的组合中表现最优,同时为低资源医学成像任务中的失效模式分析和架构选择提供了关键见解。
本文表明,尽管 ForesightLM-v2 模型成功学习到了稳定的句子级未来预测信号,但这种表示形式无法直接控制生成行为,从而揭示了其表象上的益处主要源于语义重排序而非学习到的未来术语本身,并凸显了小型语言模型在学习到的表示与校准后的行为结果之间存在的关键差距。
本文提出了一种以行为为中心的框架,该框架将 Sysmon 事件重构为基于 GUID 相关联的序列,以改进 MITRE ATT&CK 技术分类,并证明了保留进程级上下文的效果优于时间分组,且基准 SecureBERT 模型在没有进行显式类别不平衡缓解的情况下仍取得了卓越的结果。
本文介绍了元素变分扩张(Elemental Variational Expanse, EVE),这是一种神经元级变分单元,它通过将确定性的隐藏激活替换为依赖输入的采样潜状态,在保持与标准神经架构兼容的同时,提升了概率预测能力并提供了可衡量的诊断功能。
本文提出了 GeoDualNet,这是首个通过包含五个创新组件的统一几何潜空间,来联合学习视差向量预测与深度图编码的端到端神经编解码器,其在比特率节省和合成视图质量方面均优于传统的 3D-HEVC 及现有的学习型多视图编解码器。
本文介绍了模态条件符合预测(Modality-Conditional Conformal Prediction, MC²),这是一种通过根据模态可用性模式进行分层校准,在无需重新训练模型的情况下,为存在缺失模态输入的多种模态医学诊断模型恢复有效的、具有信息量的覆盖保证的方法。
本文提出了一种增强型被动读写者(EPRW)锁,它是对原始 PRW 锁的用户态适配,在消除轮询模式数据路径所不兼容的心跳机制的同时,保留了可扩展性并增加了诸如锁升级、降级以及非阻塞获取等关键特性。