CAMEL：跨架构掩码嵌入蒸馏框架提出

Andre Guarnier De Mitri 等作者提出跨架构蒸馏框架 CAMEL，用嵌入学习中的非对称掩码策略，把大型视网膜基础模型的知识迁移到紧凑轻量的学生模型。 作者在四个数据集上的实验显示，CAMEL 在保持精度的同时大幅降低计算复杂度，使高精度模型可部署于资源受限的临床环境。上述精度与复杂度结果来自作者报告，尚待独立验证。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。