论文阅读
关注
分享
扫一扫
文章平均质量分 93
Lsk_Smion
努力记录 ing
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
让 CLIP 看懂病灶：TGC-Net 如何用三重校准打通医学图文分割
TGC-Net 通过冻结 CLIP 主干，并用 SSE、DATE、VLCM 分别补足医学分割中的结构细节、临床文本语义和医学图文对齐问题，实现了参数高效且性能强的文本引导医学图像分割原创 2026-05-11 20:01:41 · 624 阅读 · 0 评论 -
【26CVPR - MedCLIPSeg】_ 当医学影像学会“阅读理解”：MedCLIPSeg如何用文本指令精准定位病灶？
这篇论文提出了一种能“听懂人话”的医学图像分割模型，通过概率化框架和文本引导，在数据稀缺和跨设备场景下依然保持高精度分割，甚至能主动标注“我不确定”的风险区域，为医疗AI的临床落地提供了可信赖的新思路。原创 2026-04-27 10:12:44 · 547 阅读 · 0 评论 -
【类增量学习之2025ICCV】TUNA ： 让AI像搭积木一样学习新知识，TUNA的适配器融合之道
本文介绍了TUNA方法，通过任务特定与通用适配器的协同，在不存储旧样本的情况下实现了SOTA性能，为高效增量学习提供了新思路。原创 2026-04-23 18:14:51 · 1566 阅读 · 0 评论 -
EASE VS SD-LoRA 并排对比,一眼看懂两篇顶刊
面向大模型的免样本类增量学习（CIL）方法，两种截然不同的演进哲学：EASE 侧重于“空间隔离与特征修补”（显式扩展特征子空间并补全旧类原型），而 SD-LoRA 则侧重于“路径共享与参数继承”（解耦并复用历史参数更新方向以维持低损失优化轨迹）.原创 2026-04-18 14:08:15 · 363 阅读 · 0 评论 -
【类增量学习之2024CVPR】EASE 的“分空间记忆术：给每个任务一间小房间
EASE 通过“为每个增量任务分配独立轻量 adapter 子空间 + 用语义相似性补全旧类在新子空间中的原型”，在不保存旧样本的前提下实现了高效、低冲突的预训练模型类增量学习。原创 2026-04-18 09:00:00 · 892 阅读 · 0 评论 -
【类增量学习之2025ICLR】SD-LORA：用于类增量学习的可扩展解耦低秩适配
这篇论文提出了 SD-LoRA：一种面向基础模型类增量学习的无回放、可扩展、解耦式 LoRA 方法，它通过分离 LoRA 更新的方向与幅值，在保持推理高效和参数高效的同时，沿共享的低损失路径缓解灾难性遗忘并更好地平衡旧知识保留与新知识学习。原创 2026-04-17 11:55:08 · 546 阅读 · 0 评论 -
【末流211硕士研究生换方向之类增量学习】需要发小论文（有毕业要求）硕士研究生的不要选校外导 ，不要选！！！
研一下了，校外导师，导师没算力资源，没人管，没人带，有毕业要求（CCF-B），Debuff拉满，兜兜转转决定换方向了，害心累~原创 2026-04-16 14:49:20 · 1504 阅读 · 0 评论 -
3d_UX-Net让我毕业的骨干网络：能不能顺利毕业就靠你了 ! ! ! !
3D UX-Net 用卷积的“身体”，装上了 Transformer 的“灵魂”，在3D医学图像分割中实现了更轻、更快、更强的表现。原创 2026-04-13 21:44:31 · 983 阅读 · 0 评论