arXiv · Computer Vision· Zhiyuan Yang, Jiahao Cheng, Mahdi S. Hosseini·· 7 小时前AI 评分22
高倍率知识迁移的可迁移性研究：全切片成像中的跨分辨率蒸馏分析
What Makes High-Magnification Knowledge Transferable? A Study of Cross-Resolution Distillation in Whole-Slide Imaging
AI 导读
该研究通过分解式分析教师访问、表示损失和模型过剩，探讨跨分辨率蒸馏在全切片成像中的有效性。研究在十个病理队列上进行控制实验，发现提供教师区域均值 alongside 原生低倍率特征可提升下游性能。直接预测的重建误差低于残差预测，但预测特征未能充分表示教师目标的变化，且更好的重建并不一致地改善下游得分。
来源：arXiv · Computer Vision · arxiv.org