arXiv ID:
2607.07169
arXiv 提交日期: 2026-07-08
TACoS:从涂鸦标注到精确分割的二维材料弱监督学习 / TACoS: Weakly Supervised Learning of Two-Dimensional Materials from Scribble Annotations to Precise Segmentation
1️⃣ 一句话总结
本文提出了一种名为TACoS的弱监督分割框架,仅需不到0.6%的标注数据(涂鸦形式),通过半监督一致性学习、树能量正则化和非对称区域对比学习,即可达到接近全监督方法96%以上的性能,高效、低成本地实现对二维材料薄片的精确像素级分割。