Under Night In-Birth II Sys:Celes
PulseAugur coverage of Under Night In-Birth II Sys:Celes — every cluster mentioning Under Night In-Birth II Sys:Celes across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
LitePath框架提供高效、低成本的计算病理学分析
研究人员开发了LitePath，一个旨在使计算病理学模型更高效、更易于部署的新框架。LitePath使用了一个名为LiteFM的蒸馏模型，它比Virchow2等现有模型小得多，需要的计算资源也更少。该框架能够对全切片图像进行更快、更节能的分析，即使在NVIDIA Jetson Orin Nano Super等可访问的硬件上也能实现。在众多队列和任务上的评估表明，LitePath在大幅减少处理时间和能源消耗的同时，保持了高诊断准确性，甚…
-
病理基础模型显示出真实信号，但并非均匀的形态学信号
一项新近发表在arXiv上的研究，调查了病理基础模型在组织形态学中识别分子信号的有效性。研究人员发现，尽管这些模型能够以统计学上的显著性预测基因表达分数，但信号并非完全来源于形态学。研究强调，可解释的细胞计数特征与嵌入特征的信息量几乎相当，而某些模型中使用的几何机制对预测能力的贡献微乎其微。
-
新框架为边缘部署创建高效的病理模型
研究人员开发了一种名为 MuCoDi 的新预训练框架，用于创建更小、更高效的病理基础模型 (PFM)，适用于边缘部署。该方法使用对比蒸馏目标，将知识从多个大型 PFM 蒸馏到轻量级学生模型（如 MobileOne 和 RepViT）中。生成的 MuCoEdge 模型显著减小了模型尺寸和推理成本，在各种下游分类任务上取得了接近其大型对应模型的性能，并在 Raspberry Pi 5 等设备上展示了实际可用性。
-
研究发现，病理学AI模型规模化效益递减
一篇题为《好、坏与脆弱》的新研究论文评估了十二种病理学基础模型（PFMs）和ResNet基线模型在鲁棒性和泛化能力方面的表现。该研究使用鲁棒性评估与增强工具箱（REET）和非冗余K折交叉验证协议，引入了扰动性能指数（PPI）来衡量各种扰动下的准确率趋势。研究结果表明，虽然PFMs总体上优于传统CNN，但模型规模化带来的效益呈现递减趋势，中等规模的模型通常表现出相当或更优的韧性。该研究强调了明确评估分布漂移的关键需求，并建议未来的PFM…
-
Under Night In-Birth II Sys:Celes公布新DLC角色Zohar
Arc System Works和French-Bread发布了《Under Night In-Birth II Sys:Celes》的新DLC角色Zohar的公布预告片。预告片展示了该角色的能力和设计。
-
新基准推动医学视觉语言模型在患者沟通和结构化报告方面的进展
研究人员开发了两个新的医学视觉语言模型（Med-VLMs）基准。MedLayBench-V 专注于将专家医学术语与通俗语言对齐，使用结构化概念基础细化管道和 UMLS CUIs 来确保语义准确性。另一方面，HiPath 是一个用于结构化病理报告预测的框架，利用分层模块进行视觉编码、跨模态对齐和诊断生成，在中国真实医疗数据上实现了高准确率和安全性。
-
《夜下降生II Sys:Celes》将于2026年夏季推出全新DLC斗士及重大更新
名为Zohar的新斗士将于2026年夏季加入游戏《夜下降生II Sys:Celes》的阵容。此次更新将与该游戏的重大更新同步推出。Arc System Works和French Bread是此次发布背后的开发商。