冻结 3D 基础模型融合中 Top-k 策略提升语义保留
热点事件观察中
冻结 3D 基础模型融合中 Top-k 策略提升语义保留
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Silas Kwabla Gah 与 Ebenezer Owusu 在 arXiv 发表论文,提出“先表示后加权”方法以解决冻结多源 3D 语义融合中直接取 Top-1 标签导致信息丢失的问题。 研究通过保留 Top-k 候选类别改善性能:在 ScanNet200 数据集上,Top-20 策略的调和平均 IoU 达 35.49,优于 Top-1(28.47)和全量保留(34.87)。此外,实验发现几何池化算子下全量保留表现最佳。该工作为冻结基础模型的融合推理提供了新的信息论视角与实验证据。
AI 根据报道生成 · 1 天前更新
最新进展11月17日 13:00
先表示后加权:冻结 3D 基础模型融合中的语义保留研究报道时间线
沿着报道,了解事件的不同侧面。
11月17日
- arXiv · 机器人与计算机视觉先表示后加权:冻结 3D 基础模型融合中的语义保留研究
本文研究了冻结多源 3D 语义融合中直接取 Top-1 标签导致信息丢失的问题,提出通过保留 Top-k 候选来改善性能。在 ScanNet200 数据集上,Top-20 策略的调和平均 IoU 达到 35.49,优于 Top-1(28.47)和全量保留(34.87)。研究还发现几何池化算子下全量保留表现最佳。该工作为冻结基础模型的融合推理提供了新的信息论视角与实验证据。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 811月17日 23:00
- 近 24 小时变化
- -51%
02468
11月18日06:0012:0018:0011月19日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。