基于双曲空间的开放世界感知中的分类学感知连续语义分割
原文中文，约400字，阅读约需1分钟。发表于：。语义分割模型通常在固定类别集上进行训练，限制了它们在开放世界场景中的适用性。本文提出了基于分类树结构的混合分布增量类别分割（TOPICS）方法，它学习了在双曲空间中的特征嵌入，这种监督方式在更新模型时对老类别提供了可塑性，并在适当位置整合了新类别。我们还通过在 Poincaré...
本文提出了基于分类树结构的混合分布增量类别分割（TOPICS）方法，通过学习特征嵌入和建立隐式类别关系约束，实现了在开放世界场景中的适用性。在自动驾驶场景下进行了大量评估，证明其达到了最先进的性能水平。
