入选ECCV 2024!覆盖5.4w+图像,MIT提出医学图像分割通用模型ScribblePrompt,性能优于SAM
原文中文,约5100字,阅读约需13分钟。发表于: 。另外,与 SAM 基线相比,93.8% 的参与者更喜欢 ScribblePrompt,因为它可以改善对涂鸦纠正的相应片段,同样有 87.5% 的参与者更喜欢使用 ScribblePrompt 进行基于点击的编辑。该研究展示了牛津大学团队所开发的一款名为Medical SAM 2 的医学图像分割模型,基于 SAM 2 框架设计,通过将医学图像视作视频,不仅在 3D...
麻省理工学院开发了ScribblePrompt,一种用于生物医学图像分割的交互工具。它利用神经网络,支持涂鸦、点击和边界框等多种注释方式,适合不同标签和图像类型。研究显示,ScribblePrompt在速度和准确性上优于现有方法,并能在低资源环境中高效运行。