跳到正文
arXiv · 机器人与计算机视觉· Renjun Cai, Antonio Javier Gallego, F\'elix Fuentes-Hurtado·· 12 小时前AI 评分4

nnU-Net 自配置框架在 FLARE 2026 Task 2 中实现分割表征复用的高效分类

Leveraging Segmentation Representations for Efficient Classification: A Self-Configuring Framework Based on nnU-Net

AI 导读

该研究提出一种基于 nnU-Net 的自配置框架,通过复用分割模型的编码器特征与预测概率进行图像级分类。实验显示复杂配置未持续提升性能,最终方案在公开榜单 Overall 得分为 0.8056。该方法在 FLARE 2026 Task 2 四项测试任务中综合排名第一,DSC、NSD 及 AUROC 指标均最优,且推理耗时低于每例 60 秒、显存占用低于 4GB GPU。

来源:arXiv · 机器人与计算机视觉 · arxiv.org