PulseAugur
中
实时 08:07:24
English(EN) Resolution scaling governs DINOv3 transfer performance in chest radiograph classification

DINOv3在更高分辨率下提高了胸部X光片分类性能

作者 PulseAugur 编辑部 · [1 个来源] ·

一项发表在arXiv上的新研究调查了DINOv3（一种自监督学习模型）在胸部X光片分类中的有效性。研究人员发现，虽然DINOv3在较低分辨率下未能持续优于其前代DINOv2，但在512x512像素下，尤其是在与ConvNeXt-B骨干网络结合使用时，DINOv3表现出显著的改进。这些改进在检测小型或依赖边界的异常方面最为明显，尽管对较大结构的性能基本保持不变。研究还指出，将分辨率提高到1024x1024像素很少能带来进一步的好处，并且会显著增加计算成本。 AI

影响 DINOv3在更高分辨率下显示出改进胸部X光片分类的潜力，尤其是在检测细微异常方面，这为更准确的诊断AI指明了方向。

排序理由 这是一篇评估特定模型在医学成像任务中性能的研究论文。

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 →

DINOv3在更高分辨率下提高了胸部X光片分类性能

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Soroosh Tayebi Arasteh, Mina Shaigan, Christiane Kuhl, Jakob Nikolas Kather, Sven Nebelung, Daniel Truhn ·

    Resolution scaling governs DINOv3 transfer performance in chest radiograph classification

    arXiv:2510.07191v3 Announce Type: replace Abstract: Self-supervised learning (SSL) has improved visual representation learning, but its value in chest radiography remains uncertain. DINOv3 extends earlier SSL models through Gram-anchored self-distillation and explicit high-resolu…

相关实体

相关话题