BaSAL：基于大小平衡的激活学习方法在 LiDAR 语义分割中的应用
原文中文，约500字，阅读约需2分钟。发表于：。基于 BaSAL 方法，通过采用基于大小的采样和热启动，我们成功改善了初始模型的性能，实现了与在整个 SemanticKITTI 数据集上训练相媲美的表现，尽管只使用了 5% 的注释，超过了现有的主动学习方法。在 nuScenes 上，我们也与现有最先进的主动学习方法相匹配。
本文探讨了医学图像分割中的冷启动主动学习问题，提出了一个名为 COLosSAL 的基准测试，并评估了六种冷启动主动学习策略在五个 3D 医学图像分割任务上的表现。结果表明，冷启动主动学习仍然是一个未解决的问题，但也观察到了一些重要的趋势。作者公开提供了完整基准测试的代码存储库、数据划分和基准结果。
