M3AE-蒸:用于医疗视觉语言下游任务的高效蒸模型
Xudong Liang1, Jiang Xie1, Mengfei Zhang1
1School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China.
Bioengineering (Basel, Switzerland)
|July 29, 2025
概括
本研究介绍了M3AE-Distill,这是一款轻量级的医疗视觉语言模型,使用知识蒸进行高效的预培训. 它实现了与较大的模型可比的高性能,同时显著加快了推断和微调的速度.
科学领域:
- 人工智能的人工智能
- 医疗信息学 医疗信息学
- 计算机视觉 计算机视觉
背景情况:
- 多模态蒙面自动编码器 (M3AE) 是强大的医学视觉语言 (VL) 模型,但由于参数大小,阻碍了临床部署.
- 知识蒸 (KD) 有效地压缩了单调模型,但它对预培训医疗VL骨干模型的应用尚未得到充分确立.
研究的目的:
- 开发M3AE-Distill,一个轻量级的医疗VL模型,通过知识蒸提高效率,同时保持高性能.
- 在现实世界临床环境中解决大型M3AE模型的部署挑战.
主要方法:
- 采用隐藏状态和注意力图蒸来指导学生模型在预培训期间.
- 引入了以注意力为导向的掩盖策略,以改善细粒度图像-文本对齐.
- 开发了两个学生变体,M3AE-Distill-Small和M3AE-Distill-Base,用于灵活的准确性-效率权衡.
主要成果:
- M3AE-Distill在五个医疗VL数据集和三个任务中展示了有效性.
- M3AE-Distill-Base实现了与教师模型相提并论的性能.
- 实现了显著的加速度:推断时2.11×,微调时2.61×.
结论:
- M3AE-Distill为医疗视觉语言任务提供了一种高效和高性能解决方案.
- 拟议的蒸和掩盖策略可以提高模型的效率,而不会牺牲准确性.
- 模型变体为部署高效的医疗VL系统提供了实际的选择.
更多相关视频
03:14Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
Published on: December 6, 2024
684
07:12Development of a Gaze-Contingent Display Framework Designed for Perceptual and Oculomotor Research with Simulated Central Vision Loss
Published on: April 11, 2025
565
