arXiv · AI· Yifei Zhao, Fanyu Zhao, Shengtang Wu, Han Zhang, Ruike Cao, Yinsheng Li·· 4 小时前AI 评分21
UGA提出自适应更新框架，提升少样本3D点云分割性能
Uncertainty Gates the Gradient: Adaptive Updates for Generalized Few-Shot 3D Segmentation
AI 导读
UGA作为首个在通用少样本3D点云分割中引入不确定性门控的框架，提出UG-Update模块估计可靠性并门控梯度更新，在ScanNet200和ScanNet++基准上平均HM IoU提升+3.08。 UG-Update通过合并支持和伪标签监督的类内离散度估算episodes可靠性，UB-Filter则强制模型从高置信度密集信号中学习，共同优化新概念的泛化能力。
来源：arXiv · AI · arxiv.org