arXiv ID:
2605.19931
arXiv 提交日期: 2026-05-19
StruMPL:面向不完整部分监督与MNAR标签的多任务密集回归方法 / StruMPL: Multi-task Dense Regression under Disjoint Partial Supervision and MNAR Labels
1️⃣ 一句话总结
本文提出StruMPL模型,通过结合共享编码器、空间倾向性修正和可学习物理约束模块,首次解决了森林生物量估算中两种异构数据源标签不匹配和选择偏差问题,在减少高值区域偏差方面取得显著效果。