UniFS：基于点表示的通用少样本实例感知
原文中文，约400字，阅读约需1分钟。发表于：。通过将多个实例感知任务转化为动态点表示学习框架，UniFS 提出了一种通用的少样本实例感知模型，并提出 Structure-Aware Point Learning (SAPL) 以进一步增强表示学习。
本文介绍了一个名为广义Few-Shot语义分割（GFS-Seg）的新基准数据集，用于分析模型在分割新类别和基础类别时的内在泛化能力。提出了上下文感知原型学习（CAPL）方法来提高Few-Shot Segmentation的性能，实验证明CAPL具有很好的泛化性能。
