PulseAugur
中
实时 09:08:01
English(EN) LoRSA: Toward Generalizable Parameter-Efficient Fine-Tuning for Biomedical Downstream Tasks

LoRSA框架增强生物医学视觉模型泛化能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了LoRSA，一种新颖的参数高效微调框架，旨在提高视觉基础模型在生物医学任务中的泛化能力。该方法联合学习一个用于全局任务适应的密集低秩分量和一个用于局部残差校正的动态结构化稀疏低秩分量。在DINOv3-Base用于乳腺密度分类的实验中，LoRSA在外部域泛化方面表现优越，在未见过的数据集上优于竞争方法。 AI

影响 LoRSA的参数高效微调方法可以使大型视觉模型以更少的计算资源更有效地适应生物医学等专业领域。

排序理由 该集群包含一篇学术论文，详细介绍了一种新的参数高效微调方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

LoRSA框架增强生物医学视觉模型泛化能力

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Saed Moradi, Benyamin Ghojogh, M. Hadi Sepanj, Yimin Yang, Ashirbani Saha ·

    LoRSA：迈向可泛化的参数高效微调以应对生物医学下游任务

    arXiv:2608.07749v1 Announce Type: cross Abstract: Parameter-efficient fine-tuning enables the adaptation of vision foundation models to biomedical tasks under limited computational resources, but a single low-rank update can constrain all task-specific changes to one narrow param…

相关实体

相关话题