Pixels to Tokens:面向低预算语义分割的 Token 空间高效主动学习
论文提出了 TEAL(Token-space Efficient Active Learning),这是首个基于 ViT 表示构建的像素级主动学习框架。该方法冻结 ViT 主干网络,直接在原生 token 晶格上进行基于多样性的选择,避免插值带来的伪影,并通过解码器网格上的边缘不确定性进行细化。
推荐理由:TEAL 框架在极低标注预算下实现语义分割,将 ViT token 空间选择与解码器网格不确定性结合,显著优于现有基线。