FDIF 用数学公式合成 3D 数据预训练，医疗分割免真实影像达 81.89%
HirokatuKataoka · x · 2026-10-31
日本 AIST 研究者 Kataoka 等人的论文 FDIF 被 ACCV 2026 接收，提出用带符号距离函数（SDF）的隐函数表示从数学公式生成 3D 合成训练数据。
- 无需任何真实医疗影像或专家标注即可完成预训练，绕开隐私限制与标注高成本。
- 相比此前 voxel 方案（仅 32 类、无纹理），FDIF 支持 109 类及任意隐函数，并能通过距离场生成几何与强度纹理。
- 在 AMOS、ACDC、KiTS 三个基准、三种架构（SwinUNETR、nnUNet ResEnc-L、Primus-M）上均优于原公式驱动方法，SwinUNETR 下达 81.89%，与大规模真实数据自监督预训练相当。
「研究」频道最新
- Chain of Thought 概念混淆:可解释与忠实是两回事 — rao2z · 2026-10-31
- Qwenputer：在 Qwen 权重里造出 RISC-V CPU，还能跑另一个 LLM — CatAstro_Piyush · 2026-10-31
- Claude 主导蛋白质设计:31.8万候选中筛出17个结合蝎毒 — jiqizhixin · 2026-10-31
- 斯坦福 CS 312 新课：作业不计分，测验全靠预测实验结果 — yen_chen_lin · 2026-10-31
- François Fleuret 发明 Transformer 注意力运算新记法 — francoisfleuret · 2026-10-31
- 周末观影：开源模型后训练智能体 2 小时讲座合集 — SergioPaniego · 2026-10-31