面向多通道成像的通道感知探针
计算机视觉与模式识别
2026-02-16 v1 机器学习
摘要
在多通道成像（MCI）数据上训练和评估视觉编码器仍然具有挑战性，因为通道配置在不同数据集之间各不相同，这阻碍了固定通道的训练，并限制了对新通道设置下预训练编码器的复用。以往的工作通常在MCI编码器上进行训练，但评估方式多为完全微调，导致在冻结预训练编码器的情况下进行探针测试的研究相对不足。现有研究大多关注改进表征，而如何充分利用固定表征以适应下游任务则鲜有探讨。虽然后者问题在其他领域已有研究，但直接将其策略迁移到MCI上效果不佳，甚至不如从头训练。我们因此提出通道感知探针（Channel-Aware Probing, CAP），通过在编码器和探针层级控制特征流，利用MCI数据集中固有的通间多样性。CAP采用独立特征编码（Independent Feature Encoding, IFE）对每个通道进行单独编码，并采用解耦池化（Decoupled Pooling, DCP）在通道内部进行池化，再进行跨通道聚合。在三个MCI基准数据集上，CAP始终优于默认探针协议，性能与从头微调相当，并大幅缩小了与相同MCI预训练检查点完全微调之间的差距。代码可在 https://github.com/umarikkar/CAP 查看。
引用
@article{arxiv.2602.12696,
title = {Channel-Aware Probing for Multi-Channel Imaging},
author = {Umar Marikkar and Syed Sameed Husain and Muhammad Awais and Sara Atito},
journal= {arXiv preprint arXiv:2602.12696},
year = {2026}
}