CVPR

Harmonized Feature Conditioning and Frequency-Prompt Personalization for Multi-Rater Medical Segmentation

谐化特征条件与频率提示个性化用于多评分者医学分割

Sanaz Karimijafarbigloo, Armin Khosravi, Alireza Kheyrkhah, Reza Azad, Mauricio Reyes, Dorit Merhof

机构 * Faculty of Informatics and Data Science, University of Regensburg（信息学院与数据科学学院，莱比锡大学） ； Sharif University of Technology（谢赫·伊斯兰大学） ； Iran University of Science and Technology（伊朗科学技术大学） ； ARTORG Center for Biomedical Research, University of Bern（伯尔尼大学生物医学研究中心） ； Department of Radiation Oncology, University Hospital Bern, University of Bern（伯尔尼大学放射肿瘤科，伯尔尼大学） ； Fraunhofer Institute for Digital Medicine MEVIS, Bremen（弗劳恩霍夫数字医学研究所MEVIS，不莱梅） 纠错

AI总结 本文提出谐化概率框架，通过自适应特征条件和频域个性化分离成像伪影与标注者差异，提升多评分者医学分割的准确性和可解释性。

Comments Accepted in main CVPR 2026

A Robust Out-of-Distribution Detection Framework via Synergistic Smoothing

通过协同平滑实现稳健的分布外检测框架

Maria Stoica, Abdelrahman Hekal, Alessio Lomuscio

机构 * Imperial College London（伦敦帝国学院） ； Zeroth Research（Zeroth研究） 纠错

AI总结 本文提出ROSS框架，通过基线分数的不稳定性区分分布内和分布外样本，实现对对抗攻击的强鲁棒性，实验表明其在多个数据集上表现优异。

Comments Accepted to CVPR Findings 2026