09:41arXiv cs.AI@Sicheng Yang, Hongqiu Wang, Zhaohu Xing, Sixiang Chen, Qiuxia Yang, Yize Mao, Guang Yang, Lei ZhuSegDINO提出一种高效分割框架,基于DINOv3骨干网络,通过Token Pyramid Adaptation(TPA)将中间DINO特征重组为伪多尺度层次,并引入Scale-Aware Decoding(SAD)进行高效尺度内优化和自顶向下多尺度传播。作者还构建了PanCT数据集,包含284例患者专家标注的胰腺肿瘤CT图像,用于评估对小病灶的处理能力。在PanCT和三个公开基准上,SegDINO以更高效率达到SOTA结果。代码已开源。AI模型SegDINODINOv3医学图像分割多尺度特征推荐理由:医学图像分割不用再堆复杂解码器了,直接看SegDINO怎么用DINO特征加轻量多尺度建模做到又快又准。原文