该论文提出了一个基于图像标注数据有限的半监督框架，包括生成阶段和检索阶段。实验结果表明，该框架在半监督设置下取得了可观的性能。

本研究提出了一种新的半监督框架，通过利用2D基础模型生成必要的3D场景几何和语义线索，提高3D语义占用预测的效率。实验结果显示，该方法在仅使用10%标注数据的情况下，性能可达到85%的全监督水平。具有更广泛的应用潜力。

本文提出了一种半监督框架，利用未标记的图像提高视觉鸟瞰语义分割的准确性。实验证明该框架有效提高预测准确性。

本论文研究了细粒度手绘图像检索模型中的数据稀缺问题，并提出了一种半监督框架，利用未标记的照片提升模型表现。实验证明该模型性能显著提升。

本文提出了一种半监督框架，利用未标记的图像提高视觉鸟瞰语义分割的准确性。实验证明该框架有效提高预测准确性。

本论文研究了细粒度手绘图像检索模型中的数据稀缺问题，并提出了一种半监督框架，利用未标记的照片提升模型表现。实验证明，该模型性能显著提升。

本文提出了一种半监督框架，利用未标记的图像提高视觉鸟瞰语义分割的准确性，并证明该框架有效。代码将公开提供。

本文提出了一种半监督框架，利用未标记的图像提高视觉鸟瞰语义分割的准确性，实验证明该框架有效。代码将公开提供。

VerSemi是一个全新的多功能半监督框架，通过整合各种任务和利用未标记数据进行医学图像分割。实验证明VerSemi在公共基准数据集上始终超越其他方法，为半监督医学图像分割设定了新的最佳表现。

该文提出了一个半监督框架，通过三个新组件优化文档级关系抽取任务。实验证明该模型在两个 DocRE 数据集上表现超过了强基线模型，F1 分数和 Ign_F1 分数分别增加了 1.36 和 1.46 分。

本文提出了一种新颖的半监督框架，通过利用未标记的图像提高视觉鸟瞰语义分割的性能。该框架使用一致性损失约束模型在语义预测和BEV特征上，并采用联合旋转的数据增强方法扩充数据集。实验证明该框架可以有效提高预测准确性。这是第一项利用未标记数据改进视觉BEV语义分割性能的工作。