TEAL：Token 空间主动学习降低语义分割标注预算

2026年10月16日，arXiv cs.CV 出现论文《Pixels to Tokens：TEAL 面向低预算语义分割的 Token 空间高效主动学习》，提出 TEAL 框架。据该论文，TEAL 是首个基于 ViT 表示的像素级主动学习框架：先用冻结 ViT 在原生 token 网格上做多样性筛选，再在解码器网格上用 margin 不确定性进行精修，从而在极低标注预算下挑选最有价值的像素。论文称在 CamVid、Cityscapes、ADE20K 与 Pascal Context 四个数据集上，每张图仅 1 个标注像素时，较最强基线最高提升 24.36 mIoU；每图 10 像素时可达到全监督性能的 97%。目前该工作以预印本形式发布，尚无其他来源的独立报道或复现结果。

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。