PulseAugur
中
实时 04:31:13
English(EN) Memory-SAM: Human-Prompt-Free Tongue Segmentation via Retrieval-to-Prompt

Memory-SAM 管道实现了无提示的舌头分割

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 Memory-SAM，一种新颖的舌头分割管道，无需人工提示或模型微调。该系统利用少量先前案例的记忆，使用 DINOv3 特征和 FAISS 检索为 SAM2 自动生成有效的提示。在 600 张专家标注图像上进行测试，Memory-SAM 实现了 0.9863 的平均交并比 (mIoU)，在真实世界条件下显著优于 FCN 和检测器到框 SAM 基线等现有方法。 AI

影响 这项研究通过减少对手动标注和微调的依赖，有望提高医学图像分析的效率和准确性，尤其是在中医领域。

排序理由 该集群描述了一篇关于新颖图像分割方法的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Memory-SAM 管道实现了无提示的舌头分割

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Joongwon Chae, Lihui Luo, Xi Yuan, Dongmei Yu, Zhenglin Chen, Lian Zhang, Peiwu Qin ·

    Memory-SAM：通过检索到提示实现无人类提示的舌头分割

    arXiv:2510.15849v3 Announce Type: replace Abstract: Accurate tongue segmentation is crucial for reliable TCM analysis. Supervised models require large annotated datasets, while SAM-family models remain prompt-driven. We present Memory-SAM, a training-free, human-prompt-free pipel…

相关实体

相关话题