LAPE 提出局部特征空间细化残差校准框架

深度学习网络常因置信度估计不可靠需事后校准，现有基于分数变换的方法难以捕捉局部特征空间中的空间变化误校准。 LAPE 作为即插即用模块，将全局校准器输出作为稳定锚点，利用邻近校准样本的非参数局部证据细化预测，并可通过 CFAF 扩展至多视图输入设置。 实验表明该方法能提升现有基准的校准质量，且在不同设置下保持高效与鲁棒，论文被 NeurIPS 2026 接收。