10:41arXiv cs.AI@Elouan Gardès, Seung Eun Yi, Kartik Ahuja, Théo Moutakanni, Huy V. Vo, Piotr Bojanowski, Wolfgang M. Pernice, Loïc Landrieu, Camille Couprie论文提出一种无标签方法 FINO,利用元数据(如拍摄条件、地理位置等)以自监督方式将通用视觉基础模型适配到专业科学领域。该方法结合自监督学习与灵活的元数据引导,能处理离散和连续元数据,保留有用信息并抑制噪声。在亚细胞荧光显微镜、地球观测、野生动物监测和医学影像等多个领域,FINO 超越了标准无监督域适应和全监督适应方法,甚至超过了高度专业化的领域特定模型。该方法无需任务标签进行骨干网络适配,仅需轻量级分类头进行监督,解决了科学领域标签稀缺和模型泛化性下降的问题。论文视觉基础模型无监督域适应元数据科学图像自监督学习推荐理由:科学图像分析团队终于有了不用手动标注就能适配大模型的方法——FINO 用已有的元数据就能提升效果,做显微镜、卫星或医学影像的开发者可以直接试试。原文