计算机科学 > 计算机视觉与模式识别
[提交于 2025年9月18日
]
标题: 校准感知的提示学习用于医疗视觉-语言模型
标题: Calibration-Aware Prompt Learning for Medical Vision-Language Models
摘要: 医学视觉-语言模型(Med-VLMs)通过利用大规模图像-文本预训练,在各种医学影像任务中表现出色。然而,它们的置信度校准研究较少,仍然是一个重大挑战。因此,校准不当的预测可能导致过度自信的错误,削弱临床信任和决策的可靠性。为了解决这个问题,我们引入了CalibPrompt,这是第一个在提示调优过程中校准Med-VLMs的框架。CalibPrompt在标签数据稀缺的情况下,通过精心设计的校准目标优化一小部分可学习的提示。首先,我们研究了一个正则化器,旨在使平滑后的准确率与预测的模型置信度对齐。其次,我们引入了一个角度分离损失,以最大化文本特征的接近性,从而提高多模态Med-VLMs在置信度估计中的可靠性。在四个公开可用的Med-VLMs和五个不同的医学影像数据集上的大量实验表明,CalibPrompt在不影响干净准确率的情况下持续改善校准。我们的代码可在https://github.com/iabh1shekbasu/CalibPrompt获取。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.