CW-BASS v2：面向基础模型教师的饱和感知半监督分割伪标签选择
CW-BASS v2是一种用于半监督语义分割的伪标签选择方法。它针对DINOv2等基础模型教师面临的问题：当置信度分数出现饱和时，传统自适应阈值可能几乎保留所有预测，从而加剧确认偏差。该方法结合留出数据校准、按类别进行的无偏噪声估计，以及自适应置信度下限。单次门控机制会判断应采用严格筛选，还是使用自适应下限。在六个DINOv2教师上进行测试时，CW-BASS v2在Pascal VOC上接近已报告的UniMatch V2结果，在Cityscapes上的差距小于0.5个mIoU点。在高置信度集合可靠性较低的ADE20K上，性能提升约1.5个mIoU点，但该结果基于单个随机种子。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。