UltraBench

US-JEPA框架推动超声成像表征学习

研究人员开发了US-JEPA，一个专为超声成像设计的新型自监督学习框架。该方法采用静态教师不对称潜在训练（SALT）目标，使用一个冻结的、特定领域的教师模型来提供稳定的潜在目标。这种方法将学生-教师优化解耦，使学生模型能够学习更丰富的语义先验。在UltraBench基准测试中，US-JEPA在超声和通用视觉基础模型上的表现具有竞争力或更优，证明了其对各种分类任务的有效性。