跳到正文
arXiv · 机器人与计算机视觉· Sagar Kumar, Shailja Sharma, Tirthajit Baruah, Punit Rathore·· 2026-10-20AI 评分35

Reliability-Preserving Compression for Deployable Medical Image Segmentation 提出 SGAV-MP 框架,在保持不确定性与 Dice 指标的同时实现医疗图像分割模型压缩

Reliability-Preserving Compression for Deployable Medical Image Segmentation

AI 导读

SGAV-MP 是一种后训练压缩框架,通过可靠性约束选择层精度并在校准集上进行全模型验证。该方法在五类 2D 骨干网络及三类 3D 基准测试中,实现了 2D 场景下 3.59 至 7.8 倍、3D 场景下 4.73 至 7.82 倍的压缩率,同时保持 FP32 级别的 Dice 值和高不确定性图一致性。研究还单独报告了支持 TensorRT 部署的运行时执行测量,以区分可靠性存储压缩与运行性能。

来源:arXiv · 机器人与计算机视觉 · arxiv.org