跳到正文
热点事件持续更新

Guoping Xu 等提出LeViT-UNet++医学图像分割架构

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Guoping Xu 等研究者在 arXiv 发布论文,提出医学图像分割架构 LeViT-UNet++。这是一种编码器-解码器结构,据称能更好地平衡局部细节保留与全局上下文建模。 其核心设计包括:用 Haar 小波多尺度下采样(HWMD)模块减少下采样过程中的细节损失,并采用基于深度卷积的解码器,将 Transformer 的全局表征与局部特征融合。

AI 根据报道生成 · 55 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    LeViT-UNet++:兼顾细粒度细节与上下文的高效医学图像分割

    研究者提出 LeViT-UNet++,一种编码器-解码器架构,通过 Haar 小波多尺度下采样(HWMD)模块减少下采样细节损失,并基于深度卷积的解码器融合 Transformer 全局表征与局部特征。

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。