深度分析
OV-MAP 零樣本 3D 實例分割地圖：以遮罩投票機制克服體素特徵溢出問題
本研究提出 OV-MAP，一種為移動機器人設計的開放詞彙零樣本 3D 實例分割地圖方法。傳統基於體素的開放詞彙 3D 地圖常因相鄰體素特徵過於相似，導致實例邊界模糊、分割精度下降。
深度分析
本研究提出 OV-MAP，一種為移動機器人設計的開放詞彙零樣本 3D 實例分割地圖方法。傳統基於體素的開放詞彙 3D 地圖常因相鄰體素特徵過於相似，導致實例邊界模糊、分割精度下降。
深度分析
隨著新興惡意程式層出不窮，傳統防禦難以及時取得標記資料。研究提出 SMETA‑ZSL，透過對比微調的語言模型產生語意原型，並以情境式元學習對齊行為特徵，實現開放式零樣本威脅分類。實驗顯示在七項基準上平均顯著提升 10.8 分，最高可達 18.1 分。