BriefGPT - AI 论文速递
·
LLaFS: 当大型语言模型遇上小样本分割
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了广义Few-Shot语义分割（GFS-Seg）数据集，用于分析在少示例的新类别和足够示例的基础类别下的泛化能力。提出了上下文感知原型学习（CAPL）方法，通过利用共现先验知识和动态丰富上下文信息来提高模型性能。实验表明CAPL在Few-Shot Segmentation上具有竞争力的泛化性能。
🎯
关键要点
- 介绍了广义Few-Shot语义分割（GFS-Seg）数据集
- 分析在少示例的新类别和足够示例的基础类别下的泛化能力
- 提出上下文感知原型学习（CAPL）方法
- CAPL通过利用共现先验知识和动态丰富上下文信息提高模型性能
- 实验表明CAPL在Few-Shot Segmentation上具有竞争力的泛化性能
➡️
