UGA框架发布：不确定性门控助力少样本3D点云分割

2026年10月，Zhao等人提出不确定性门控自适应(UGA)框架。这是首个在通用少样本3D点云分割中，将不确定性提升至更新级门控的模型，旨在解决该领域的泛化难题。 UGA的核心是UG-Update模块。该模块通过合并支持类内离散度估算各episode的可靠性，并据此门控梯度更新。同时引入UB-Filter强制模型从高置信度信号学习，共同优化对新概念的适应能力。 实验显示，在ScanNet200和ScanNet++基准测试中，UGA框架的平均HM IoU提升了3.08个点，实现了少样本3D分割的新SOTA，验证了不确定性门控在提升模型性能上的有效性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。