跨领域少样本分割通过迭代支持查询对应挖掘
原文约400字/词，阅读约需1分钟。发表于：。跨领域少样本分割 (CD-FSS) 需要仅使用有限样本从不同领域中对新颖类别进行分割，论文发现通过 fine-tuning 阶段有效地在领域之间转移学习得到的元知识的必要性以及由于新颖类别样本稀缺导致朴素的 fine-tuning 存在过拟合风险，并提出了一种解决这一挑战的新型跨领域 fine-tuning 策略，通过设计双向少样本预测 (BFP) 和迭代少样本适配器 (IFA)...
该论文研究了跨领域少样本分割问题，并提出了一种新型的跨领域fine-tuning策略，通过设计双向少样本预测和迭代少样本适配器来降低过拟合风险并最大化利用稀疏的新颖类别样本的监督信号。实验证明该方法优于当前技术水平，能同时应对跨领域挑战和减轻过拟合问题。
