跳到正文
arXiv · 机器人与计算机视觉· Anirudh Potlapally, Brijesh Nanda Brunda Yogananda, Jianyang Gu, Maanav Jajodia, Luke Meyers, Wei-Lun Chao, Hari Subramoni·· 17 天前AI 评分72

Resolve, Clear, or Defer:用于生态检测流程的无训练主动原型筛选

Resolve, Clear, or Defer: Training-Free Active Prototype Triage for Ecological Detection Pipelines

AI 导读

针对相机陷阱和航拍产生的大量图像,本文提出一种无需训练的主动原型筛选方法,将已审核的检测作为可复用证据以解决支持的前景类别、清除背景误检或推迟不足支持的案例。实验表明,结合 BioCLIP2 和 DINOv3 的不同预训练表示,该方法在提升前景识别与误报拒绝方面优于置信度阈值和多类 k-NN 等基线,同时保持较低的复核负担。论文已接受 IEEE/CVF WACV 2027 主会发表。

来源:arXiv · 机器人与计算机视觉 · arxiv.org