BriefGPT - AI 论文速递
·
多任务一致性引导的无源测试时域自适应医学图像分割
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了一种新颖的去噪假标记方法，用于解决无监督域自适应问题。该方法利用源模型和未标记的目标数据促进模型的自适应，并引入了两种补充的去噪方案以减少嘈杂的假标记并选择可靠的假标记。
🎯
关键要点
-
本文研究无源无监督域自适应问题。
-
提出了一种新颖的去噪假标记方法。
-
该方法利用源模型和未标记的目标数据促进模型自适应。
-
引入了不确定性估计和原型估计。
-
增加了像素级和类级去噪方案以减少嘈杂假标记。
-
选择可靠的假标记以增强假标记的有效性。
-
实验表明该方法在不使用源图像的情况下实现了高性能。
🏷️
