FDIF合成3D数据预训练论文获接收
热点事件持续更新
FDIF合成3D数据预训练论文获接收
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Kataoka 等人提出的 FDIF 论文被 ACCV 2026 接收。该方法以带符号距离函数的隐函数，从数学公式生成三维合成训练数据，无需真实医疗影像或专家标注即可完成预训练，并在 AMOS、ACDC、KiTS 基准和三种架构上优于此前公式驱动方法。 在采用 SwinUNETR 时，FDIF 的分割性能达到 81.89%，与基于大规模真实数据的自监督预训练相当；方法支持109类以及任意隐函数，并可生成几何和强度纹理。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 22:26
FDIF 用数学公式合成 3D 数据预训练，医疗分割免真实影像达 81.89%报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- AGI HuntFDIF 用数学公式合成 3D 数据预训练，医疗分割免真实影像达 81.89%
Kataoka 等人的 FDIF 通过带符号距离函数（SDF）的隐函数，从数学公式生成 3D 合成数据，无需真实医疗影像或专家标注即可预训练。该方法支持 109 类、任意隐函数及几何与强度纹理，在 AMOS、ACDC、KiTS 基准和三种架构上均优于此前公式驱动方法；采用 SwinUNETR 时达到 81.89%，与大规模真实数据自监督预训练相当。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。