UniPrompt-CL：单次推理医学图像持续学习框架
热点事件持续更新
UniPrompt-CL：单次推理医学图像持续学习框架
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Gyutae Oh 与 Jitae Shin 提出 UniPrompt-CL，一个面向医学图像分类的免回放域增量学习框架：在 Transformer 各层之间共享统一提示词池，每新增一个域只扩展少量提示词，用单骨干、单次推理完成分类。 据该论文，在糖尿病视网膜病变数据集上，其平均准确率比最强同骨干基线高 2.0 个百分点，遗忘也大幅降低；在皮肤癌数据集上，采用 DINOv2-B 配置时以最低训练成本取得有竞争力的准确率。该工作已被 WACV 2027 接收。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
UniPrompt-CL：面向医学图像分类的单次推理持续学习框架报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AIUniPrompt-CL：面向医学图像分类的单次推理持续学习框架
UniPrompt-CL 是一个无需回放、单骨干单次推理的域增量学习框架，在 Transformer 各层间共享统一提示词池，每个新域仅扩展少量提示词。在糖尿病视网膜病变数据集上，其平均准确率较最强同骨干基线提升 2.0 个百分点并大幅降低遗忘；在皮肤癌数据集上以 DINOv2-B 配置中最低训练成本取得有竞争力的准确率。该工作已被 WACV 2027 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。