arXiv · 机器人与计算机视觉· Yifei Zhao, Fanyu Zhao, Shengtang Wu, Han Zhang, Ruike Cao, Yinsheng Li·· 29 天前AI 评分66
不确定性门控梯度:通用少样本 3D 分割的自适应更新方法
Uncertainty Gates the Gradient: Adaptive Updates for Generalized Few-Shot 3D Segmentation
AI 导读
针对通用少样本 3D 点云分割中支持标注稀疏与遮挡导致模型学习虚假几何模式的问题,作者提出首个将不确定性提升至更新级门控的框架 UGA。核心模块通过合并支持与伪标签新监督的内类离散度估计 episode 可靠性,选择性门控残差梯度更新;同时引入基于不确定性的伪标签过滤器以强制从高置信度密集信号中学习。
来源:arXiv · 机器人与计算机视觉 · arxiv.org