实体 FS-CPL

FS-CPL

PulseAugur coverage of FS-CPL — every cluster mentioning FS-CPL across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_181008 · Aug 4 · 04:00

新的提示学习方法提高了医学图像分割精度

研究人员开发了少样本概念提示学习（FS-CPL）方法，以提高SAM3和Medical SAM3等分割基础模型在医学影像中的性能。该新方法直接从少量图像-掩码对中学习连续的概念提示嵌入，无需额外的图像-文本数据或骨干网络重新训练。FS-CPL在各种超声和内窥镜基准测试中取得了显著的改进，Dice分数绝对值最高可提高0.62，并且兼容不同的模型骨干。