噪声鲁棒伪标签
本框架将像素表示建模为多元高斯分布，通过概率表示和全局分布原型抑制噪声，提升半监督语义分割的鲁棒性。
Xie, Haoyu · 74168460 · Zhao, Jian · Yang, Liu · Jun, Dan · Chong, Fu · Sun, Baigui
International Journal of Computer Vision 2024
将像素表示建模为高斯分布，根据不确定性调整模糊表示的贡献，从而降低错误监督信号的负面影响。
全局分布原型聚合了训练全过程中同类所有表示，因此不受单张图像瞬时噪声影响，同时保留类内方差。
基于全局分布原型生成虚拟负样本，增强对比学习的判别能力。