SGAV-MP：保持分割可靠性的医学图像模型后训练压缩框架
热点事件观察中
SGAV-MP：保持分割可靠性的医学图像模型后训练压缩框架
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Sagar Kumar等作者在arXiv论文中提出SGAV-MP，一种面向医学图像分割模型的后训练混合精度压缩框架：通过可靠性评分和校准集上的全模型验证来选择各层精度，以在压缩的同时保持分割性能与不确定性信号。根据论文摘要，在5个2D骨干和3个3D基准上，该方法保持FP32水平的Dice和较高的不确定性图一致性，2D压缩比为3.59–7.8倍，3D为4.73–7.82倍。TensorRT支持的运行时测量与保真存储压缩分开报告，以区分运行时执行与可靠性保持的存储压缩。
AI 根据报道生成 · 2 天前更新
最新进展10月20日 12:00
SGAV-MP：面向可部署医学图像分割的保真压缩框架报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AISGAV-MP：面向可部署医学图像分割的保真压缩框架
SGAV-MP提出一种后训练压缩框架，通过可靠性评分和校准集上的全模型验证选择层精度，以保持压缩模型的分割性能与不确定性信号。根据论文摘要，在5个2D骨干和3个3D基准上，该方法保持FP32水平Dice和较高不确定性图一致性，2D压缩比为3.59–7.8倍，3D为4.73–7.82倍；TensorRT支持的运行时测量与保真存储压缩分开报告。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 610月21日 06:00
- 近 24 小时变化
- -49%
0246
06:0012:0018:0010月22日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。