arXiv · 机器人与计算机视觉· Eunseob Choi, Kyeonghun Kim, Hyuk-Jae Lee, Nam-Joon Kim·· 17 天前精选AI 评分78
Different Models, Shared Failures: Auditing Frozen-Encoder Pools for Medical Segmentation
Different Models, Shared Failures: Auditing Frozen-Encoder Pools for Medical Segmentation
AI 导读
该研究提出了 CoFailMed 框架,对五个二维医学图像分割任务中的 11 个预训练编码器进行了失效相关性审计。研究发现,即使模型平均精度和数量不同,它们仍可能在相同案例上共同失效;共享检查点的模型对 Dice 相关性最高,而跨家族编码器的依赖关系甚至可能随微调增强。研究提供了对齐的案例轨迹、分析脚本及代码以复现审计结果,并建议评估报告应包含绝对依赖度和阈值特定的有效池大小。
推荐理由
本文通过审计预训练编码器池,揭示了不同模型在医疗分割任务中存在共享失效模式的现象。
来源:arXiv · 机器人与计算机视觉 · arxiv.org