BriefGPT - AI 论文速递 · 2024-11-12T00:00:00Z 穆勒矩阵极化测量中的等距变换用于图像增强 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 该研究提出了一种物理一致的模拟框架，解决了传统数据增强方法无法保持穆勒矩阵图像极化特性的问题，从而显著提升了模型在语义分割任务中的泛化能力和性能，强调了物理知情数据增强的重要性。 🏷️ 标签 图像增强 数据增强 泛化能力 物理一致性 穆勒矩阵 语义分割 阅读原文 生成长图 分享链接 已复制链接
