小型多模态模型在无训练伤口分类方面展现潜力

研究人员探索了使用小型多模态语言模型（SMLMs）进行伤口图像分类，旨在提供一种无需训练的替代传统监督学习方法。通过采用基于检索技术（retrieval-based techniques）的上下文学习（ICL），这些模型无需进行特定任务的再训练即可适应伤口分类任务。在两个公共数据集上的实验表明，SMLMs，特别是Qwen 3.5 27B模型，在使用k近邻（kNN）结合最大边际相关性重排（maximal marginal relevance reranking）等检索方法时，取得了具有竞争力的准确率。该研究表明，这种方法可以实现伤口分类系统在实际应用中对隐私的保护。 AI

影响 展示了一条在专业领域（如医学影像）无需广泛再训练即可适应性部署AI的潜在途径。

排序理由 学术论文，详细介绍了现有模型在特定领域的创新应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• Gemma 4
• Kaggle
• MeDetect: Domain Entity Annotation in Biomedical References Using Linked Open Data
• Ministral 3
• Qwen 3.5
• Qwen 3.5 27B

• 论文
• 模型发布

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