BriefGPT - AI 论文速递
·
通过两阶段提示增强实现高保真湖泊提取：建立一种新的基准和评估
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种基于提示的数据集构建方法，使用点、盒和掩模提示提供湖泊位置，并提出了LEPrompter框架，实现自动湖泊提取。在评估中，LEPrompter在Surface Water和青藏高原湖泊数据集上取得了一致的性能提升，mIoU得分分别达到91.48%和97.43%。辅助材料包括源代码、预训练模型和用户研究。
🎯
关键要点
-
本文介绍了一种基于提示的数据集构建方法。
-
使用点、盒和掩模提示提供湖泊位置。
-
提出了LEPrompter框架，实现自动湖泊提取。
-
LEPrompter在Surface Water和青藏高原湖泊数据集上取得一致的性能提升。
-
mIoU得分分别达到91.48%和97.43%。
-
没有引入额外的参数或GFLOPs。
-
辅助材料包括源代码、预训练模型和用户研究。
🏷️
