ModelMix：一种用于稀疏标记心脏分割的最小化跨任务 Vicinal Risk 的新型模型混合策略
计算机视觉与模式识别
2024-06-21 v1
摘要
像素级密集标注既需要大量资源又耗时，而类似稀疏标记的弱标签则更为可行的替代方案。然而，仅凭弱监督来训练分割网络仍然具有挑战性。鼓励不同分割任务彼此相关的事实促使我们提出一种基于模型参数插值的方法，用于稀疏标记监督分割，称为 ModelMix。利用线性插值卷积核和偏置项应导致相应特征向量的线性插值，ModelMix 通过构造来自不同编码器参数的凸组合来构建虚拟模型。我们随后对模型集合进行正则化，以在无监督和稀疏标记监督方式下最小化跨任务的 Vicinal Risk。在三个开放数据集上进行验证，即 ACDC、MSCMRseg 和 MyoPS，我们的稀疏标记引导的 ModelMix 显著优于当前最先进的稀疏标记监督方法。
引用
@article{arxiv.2406.13237,
title = {ModelMix: A New Model-Mixup Strategy to Minimize Vicinal Risk across Tasks for Few-scribble based Cardiac Segmentation},
author = {Ke Zhang and Vishal M. Patel},
journal= {arXiv preprint arXiv:2406.13237},
year = {2024}
}
备注
10 pages, 3 figures