跳到正文
arXiv · 机器人与计算机视觉· Jiabei Chen, Liping Zhang, Jiang-Bin Wu, Zhongming Wei, Enhao Ning, Su Yan, Weijun Li, Ping-Heng Tan, Xin Ning·· 2026-10-06精选AI 评分78

TACoS:从涂鸦标注到精确分割的二维材料弱监督学习

TACoS: Weakly Supervised Learning of Two-Dimensional Materials from Scribble Annotations to Precise Segmentation

AI 导读

针对二维材料薄片高精度像素级定位需求,传统全监督方法依赖密集标注且成本高昂。本文提出 TACoS 框架,整合半监督一致性学习与结构化树能量约束,通过无标签弱强分布对齐及最小生成树建立像素亲和关系。

推荐理由

提出 TACoS 框架,利用少量涂鸦标注实现二维材料分割,在低对比度场景下保持结构连贯性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org