arXiv · 机器人与计算机视觉· Liuyi Xu, Qing Wang, Zikai Liang, An-Yang Lu, Yining Qian·· 2 天前AI 评分48
SEAT:一种用于多标签舌诊的符号类型证据审核框架
SEAT: Sign-Type Evidence-Audited Transport for Multi-Label Tongue Diagnosis
AI 导读
SEAT 是一种基于冻结 DINOv2 特征的证据审核框架,通过掩码引导注意力、半松弛最优传输及共现感知正则化机制提升多标签舌诊一致性。在 TongueDx 基准测试中,该模型平均宏 F1 达 72.59(标准差 1.04),六模型集成版更以 74.15 的分数超越基线及专用视觉语言模型。代码已公开,研究聚焦于将预测路径与特定舌诊特征对齐以增强证据解释性。
来源:arXiv · 机器人与计算机视觉 · arxiv.org