提出科学图像单样本自适应分割方法
发生了什么
据arXiv cs.CV论文,研究提出一种结合DINOv3与SAM的科学图像单样本自适应分割框架。该方法无需训练,利用单张标注参考图像实现模型适配。在显微镜和池沸腾数据集上,相对最强基线,平均IoU分别提升5.91%和78.62%。
- 显微镜数据集IoU提升
- 5.91%
- 池沸腾数据集IoU提升
- 78.62%
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
- arXiv cs.CV一手材料
One-Shot Adaptive Segmentation For Scientific Images
来源关系与证据边界
按已记录的来源角色展示;连线仅表示原生身份流程确认的同稿入口,不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口