跳到正文
arXiv · 机器人与计算机视觉· Ali Kerem Bozkurt, Baris Cem Bakay, Ibrahim Kulac, Cigdem Gunduz-Demir, Erkut Erdem, Aykut Erdem·· 14 天前AI 评分38

SLICEChat:渐进式编码器 Token 剪枝的全切片病理语言模型

SLICEChat: Progressive In-Encoder Token Pruning for Whole-Slide Pathology Language Models

AI 导读

SLICEChat 在混合 Mamba-Transformer 编码器中引入语言监督的区域感知剪枝,解决全切片图像的可扩展性挑战。该模型在 SlideBench VQA 任务上 TCGA 队列准确率达 79.84%,BCNB 队列为 59.09%,优于既往全切片病理多模态大模型并拥有最佳综合指标与推理延迟。论文已获 WACV 2027 接收,代码、项目页及 PDF 均已公开。

来源:arXiv · 机器人与计算机视觉 · arxiv.org