计算机科学 > 计算机视觉与模式识别
[提交于 2025年7月3日
]
标题: F^2TTA:通过图像级解耦提示微调在跨域医学图像分类中的自由形式测试时适应
标题: F^2TTA: Free-Form Test-Time Adaptation on Cross-Domain Medical Image Classification via Image-Level Disentangled Prompt Tuning
摘要: 测试时适应(TTA)已成为一种有前景的解决方案,利用未标记的测试数据将源模型适应到未见过的医学站点,因为数据标注的成本很高。 现有的TTA方法考虑了数据从一个或多个域以完整的域单元到达的情况。 然而,在临床实践中,由于资源限制和患者变异性,数据通常以任意长度的域片段和随机到达顺序的形式出现。 本文研究了一个实际的自由形式测试时适应(F$^{2}$TTA)任务,其中源模型被适应到这种自由形式的域片段,且片段之间可能发生不可预测的分布偏移。 在这种情况下,这些偏移可能会扭曲适应过程。 为了解决这个问题,我们提出了一种新的图像级解耦提示调优(I-DiPT)框架。 I-DiPT使用图像不变提示,探索域不变表示以减轻不可预测的偏移,并使用图像特定提示将源模型适应到来自传入片段的每个测试图像。 由于训练时仅有一个图像可用,提示可能面临知识表示不足的问题。 为了克服这一限制,我们首先引入了面向不确定性的掩码(UoM),通过由源模型表示不确定性驱动的掩码一致性学习,鼓励提示从传入图像中提取足够的信息。 然后,我们进一步提出了一种并行图蒸馏(PGD)方法,通过并行图网络重新利用历史图像特定和图像不变提示中的知识。 在乳腺癌和青光眼分类上的实验表明,我们的方法在F$^{2}$TTA方面优于现有的TTA方法。 代码可在https://github.com/mar-cry/F2TTA获取。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.