CAMEL提出跨架构蒸馏框架，打造轻量级视网膜基础模型

CAMEL论文作者团队提出跨架构掩码嵌入学习框架，通过非对称掩码策略，在嵌入学习过程中将大型教师基础模型的知识迁移到紧凑型轻量级学生模型，旨在降低视网膜基础模型的计算开销。 作者团队在四个数据集上进行了实验，称CAMEL在保持模型准确率的同时大幅降低了计算复杂度，使轻量级模型能够适用于硬件资源受限的临床环境。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。