基于局部特征空间细化的残差校准方法 LAPE

研究者提出了名为 LAPE 的事后残差校准框架，以解决深度神经网络在特征空间局部区域中误校准随空间变化的问题。LAPE 将全局校准器输出作为稳定锚点，利用邻近校准样本的非参数局部证据细化个体预测，并可作为即插即用模块复用校准数据。该方法还通过 CFAF 扩展至多视角输入设置，显著提升了现有基准模型的校准质量。