7 个开源 VLM 本地比拼：谁最会给医学图像做脱敏
MaziyarPanahi · x · 2026-07-22
我们把 7 个小型开源视觉语言模型当作本地“二次阅片”来做医学影像脱敏评估。
- Qwen3-VL 4B：7/7 个标识识别成功，耗时 6.9 秒，0 误报，最终被选中。
- Gemma 4 E2B：6/7。
- Qwen3-VL 2B：4/7，但速度最快。
- NVIDIA LocateAnything-3B：框得很准，但完全不会判断什么是“个人信息”。
- InternVL3 2B：把患者姓名读对了，却仍然判定“不是个人信息”。
作者强调的结论是：“读出来”很容易，真正难的是“判断”。后续例子里，OpenMed 的 PII 模型放过了一张胸片，但 Qwen3-VL 又重新检查出图像里还残留着诊所名称。相关模型都在 Hugging Face 上开源。最后抛出的问题是：每张扫描图像是否都该配一个第二阅片人？
所属事件:实测七款开源VLM医学影像脱敏 Qwen3-VL胜出(3 条相关)→
「多模态」频道最新
- 开发者观点：生成式游戏不必实时渲染，回合制交互同样可行 — djcows · 2026-10-27
- Omniflash 与 Minimax H3 唇同步效果实拍对比 — Uszko_Visuals · 2026-10-27
- 用 MiniMax H3 生成的短片《Odissey of Aeons》 — Musikalandia · 2026-10-27
- 开源本地视频工作室 Remiqora Video：一个想法到 4K 成片 — inikolax · 2026-10-27
- 单个 HTML 文件无 LLM 调用即可生成创意图形与海报 — Afinetheorem · 2026-10-27
- 5000 美元悬赏微调儿童图像模型，ostris 以 MOSS 底座夺冠 — ostrisai · 2026-10-27