响应式自适应织梦网站模板,汕头自助建站,一个完整的网站建设,wordpress 盒模型大学1. 弱监督与主动学习 ASTE-AL框架（TPAMI 2024）：提出对抗性时空集成主动学习方法，通过点标记数据集（每张图像仅需10个标注点）达到全监督模型98%-99%的性能。其核心模块包括： FPGD-PA对抗攻击：通过无额外计算成本的自由梯度下降攻击定位不确定像素。 时空集成策略：减少模…
1. 弱监督与主动学习
- ASTE-AL框架（TPAMI 2024）：提出对抗性时空集成主动学习方法，通过点标记数据集（每张图像仅需10个标注点）达到全监督模型98%-99%的性能。其核心模块包括：
- FPGD-PA对抗攻击：通过无额外计算成本的自由梯度下降攻击定位不确定像素。
- 时空集成策略：减少模型鲁棒性带来的计算开销。
- 关系感知多样性采样：避免过采样问题，提升模型泛化能力。
2. 多模态与Transformer
- 自适应卷积注意力与掩码结构（2025）：结合CNN和Transformer，设计掩码感知解码模块和卷积注意力上下文增强模块，解决逐像素预测的语义不均问题，在多个数据集上实现显著性能提升。
- VST++（TPAMI 2024）：在纯Transformer架构VST基础上优化，引入选择-集成注意力（SIA），将前景划分为细粒度片
