基于时间参考与静态先验的少样本域适应：冰川断崖边界 delineation
计算机视觉与模式识别
2026-01-30 v1
摘要
在基准测试期间，冰川断崖边界 delineation 的最先进模型实现了接近人类的性能。然而，在实际应用中针对新研究地点，其 delineation 准确性不足以满足用于后续科学分析的断崖产品。该站点代表了一个模型在基准数据集上训练后，针对的无分布域。通过采用少样本域适应策略，融合空间静态先验知识，并包括夏季参考图像于输入时间序列中，delineation 误差从 1131.6 米降低至 68.7 米，且无需任何架构修改。这些方法学进展建立了一个将深度学习基于的断崖边界分割应用于新研究地点的框架，使全球范围内的断崖边界监测成为可能。
引用
@article{arxiv.2601.21663,
title = {Few-Shot Domain Adaptation with Temporal References and Static Priors for Glacier Calving Front Delineation},
author = {Marcel Dreier and Nora Gourmelon and Dakota Pyles and Thorsten Seehaus and Matthias H. Braun and Andreas Maier and Vincent Christlein},
journal= {arXiv preprint arXiv:2601.21663},
year = {2026}
}