SAM-DA：面向医学领域适应的解码器适配器
计算机视觉与模式识别
2025-01-14 v1
摘要
本文聚焦于医学图像语义分割的领域适应挑战。尽管近期基础分割模型如SAM在自然图像上表现卓越，但在医学领域图像上仍显力不够。此外，近期那些对模型进行端到端微调的做法在计算上是难以可行的。为此，我们提出一种新颖的SAM适配器方法，通过最小化可训练参数的数量，实现与完全微调相当的性能。我们提出的SAM适配器 strategically 放置在掩码解码器中，具备卓越且广泛的泛化能力，显著提升在完全监督和测试时领域适应任务中的分割效果。四个数据集上的大规模验证表明，该适配器有效， outperform 现有方法，同时仅训练不到1%的SAM总参数。
引用
@article{arxiv.2501.06836,
title = {SAM-DA: Decoder Adapter for Efficient Medical Domain Adaptation},
author = {Javier Gamazo Tejero and Moritz Schmid and Pablo Márquez Neila and Martin S. Zinkernagel and Sebastian Wolf and Raphael Sznitman},
journal= {arXiv preprint arXiv:2501.06836},
year = {2025}
}
备注
WACV25