基于 Wasserstein 的证据不确定性实现分布外分割Research#Segmentation🔬 Research|分析: 2026年1月10日 11:47•发布: 2025年12月12日 08:36•1分で読める•ArXiv分析这项研究探索了一种使用基于 Wasserstein 的证据不确定性来识别图像分割中分布外数据的新方法。 这种方法可能解决了在现实世界场景中部署分割模型的一个关键挑战,即遇到意外数据。关键要点•提出了一种在图像分割中识别分布外 (OOD) 样本的新方法。•利用 Wasserstein 距离和证据不确定性来改进 OOD 检测。•解决了现实世界分割应用中鲁棒性的实际问题。引用 / 来源查看原文"The article's source is ArXiv."AArXiv2025年12月12日 08:36* 根据版权法第32条进行合法引用。较旧Parallel Execution of Actions from Egocentric Video for Enhanced Understanding较新Analyzing Cognitive Stability and Typicality in Cosmological Models相关分析Research人类AI检测2026年1月4日 05:47Research侧重于实现的深度学习书籍2026年1月4日 05:49Research个性化 Gemini2026年1月4日 05:49来源: ArXiv