Apple ML Research 提出实例级视觉错误切片发现方法
Apple ML Research · rss · 2026-07-27
Apple ML Research 提出 GH-ESD（Grounded Hypothesis-Driven Error Slice Discovery），用于在实例级视觉任务中发现系统性错误切片，面向目标检测、分割等场景。
- 论文指出，现有错误切片发现方法多把切片建模为表示空间中的聚类，或预定义属性的组合，这在图像级分类上还算有效，但对实例级任务不够用。
- 在检测和分割里，模型失败常常来自上下文关系、空间布局和语义上连贯的视觉模式，而不是简单的特征簇。
- GH-ESD 的目标，就是围绕这些“有 grounding 的视觉模式”来挖掘错误切片，从而更好地做鲁棒性分析与评估。
「研究」频道最新
- Baseten 工程师拆解 Kimi K3：七年迭代不是只靠堆参数 — khademinori · 2026-07-28
- 开源基准工具可安全统计 coding agent token 消耗 — bestofdesp · 2026-07-28
- 研究者回应审稿：观察性数据也能做因果推断 — yanaiela · 2026-07-28
- 更强模型也可能拖垮产品，先做生产任务测试 — max_gladysh · 2026-07-28
- RepLLM 用四个智能体把网络论文复现压到两小时内 — 机器之心 · 2026-07-28
- Vision-OPD 用 6.2K 合成样本提升细粒度视觉理解 — 小红书技术REDtech · 2026-07-28