精度最高提升2.23%
类中心直接从真实标注生成，规避由粗预测导致的误差累积问题，实现更紧凑的类内表示和更大的类间距离。
Huang, Ye · Kang, Di · 陈亮 · Jia, Wenjing · He, Xiangjian · 段立新 · Zhe, Xuefei · Bao, Linchao
IEEE Transactions on Circuits and Systems for Video Technology 2024
类中心直接从真实标注生成，而不是从容易出错的粗糙预测中学习。
CAR仅作用于训练阶段，可在不增加推理计算负担的情况下提升精度。
CAR可以直接应用于大多数现有分割模型，包括OCR和CPNet，并显著提升其精度。