FedS2R 联邦域泛化分割论文被 IV 2026 接收
热点事件持续更新
FedS2R 联邦域泛化分割论文被 IV 2026 接收
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Tao Lian 等研究者提出的 FedS2R——一个面向自动驾驶合成到真实语义分割的一次性联邦域泛化框架——被 IEEE Intelligent Vehicles Symposium (IV) 2026 接收,论文已发布在 arXiv。 据论文介绍,这是首个此类框架,包含不一致性驱动的数据增强策略和多客户端知识蒸馏(含特征融合)两部分。研究者在 Cityscapes、BDD100K、Mapillary、IDD 和 ACDC 五个真实数据集上的实验中,全局模型显著优于各客户端模型,仅比集中训练低 2 mIoU。
AI 根据报道生成 · 42 分钟前更新
最新进展11月20日 13:00
FedS2R:面向自动驾驶合成到真实语义分割的一次性联邦域泛化框架报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AIFedS2R:面向自动驾驶合成到真实语义分割的一次性联邦域泛化框架
研究者提出 FedS2R,这是首个面向自动驾驶合成到真实语义分割的一次性联邦域泛化框架。该框架包含不一致性驱动的数据增强策略和多客户端知识蒸馏(含特征融合)两部分。在 Cityscapes、BDD100K、Mapillary、IDD 和 ACDC 五个真实数据集上,全局模型显著优于各客户端模型,仅比集中训练低 2 mIoU。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。