研究人员开发了一种新的多示例学习（MIL）方法，该方法利用具有Perceiver风格架构的上下文学习。通过在合成数据上进行预训练，该模型只需少量标记的包（bags）即可有效解决新的MIL任务，在单次前向传播中完成分类，无需梯度更新。该方法在十二个基准测试中显著优于传统的监督基线，尤其是在低标签场景下。 AI
影响 该方法为处理MIL任务提供了一种更有效的方式，尤其是在数据有限的情况下，有望改进医学影像和卫星分析等领域的应用。
排序理由 该集群包含一篇详细介绍新机器学习方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.06458v1 Announce Type: new Abstract: Multiple Instance Learning (MIL) addresses problems where supervision is available at the level of bags of instances and has been successfully applied in fields ranging from computational pathology to satellite imagery. Nevertheless…
Multiple Instance Learning (MIL) addresses problems where supervision is available at the level of bags of instances and has been successfully applied in fields ranging from computational pathology to satellite imagery. Nevertheless, existing algorithms struggle in the low-label …