Buchumschlag

Polyp Segmentation Generalisability of Pretrained Backbones

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sanderson, Edward, Matuszewski, Bogdan J.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Study on Self-Supervised Pretraining for Vision Problems in Gastrointestinal Endoscopy
von: Sanderson, Edward, et al.
Veröffentlicht: (2024)

Flatness Improves Backbone Generalisation in Few-shot Classification
von: Li, Rui, et al.
Veröffentlicht: (2024)

Polyp-DDPM: Diffusion-Based Semantic Polyp Synthesis for Enhanced Segmentation
von: Dorjsembe, Zolnamar, et al.
Veröffentlicht: (2024)

Improved Segmentation of Polyps and Visual Explainability Analysis
von: Asare, Akwasi, et al.
Veröffentlicht: (2025)

CRIS: Collaborative Refinement Integrated with Segmentation for Polyp Segmentation
von: Arudkar, Ankush Gajanan, et al.
Veröffentlicht: (2024)

Medical Semantic Segmentation with Diffusion Pretrain
von: Li, David, et al.
Veröffentlicht: (2025)

Mamba Guided Boundary Prior Matters: A New Perspective for Generalized Polyp Segmentation
von: Dutta, Tapas K., et al.
Veröffentlicht: (2025)

More than the Sum of Its Parts: Ensembling Backbone Networks for Few-Shot Segmentation
von: Catalano, Nico, et al.
Veröffentlicht: (2024)

Self-supervised Pretraining for Cardiovascular Magnetic Resonance Cine Segmentation
von: de Mooij, Rob A. J., et al.
Veröffentlicht: (2024)

A Self-Supervised Framework for Improved Generalisability in Ultrasound B-mode Image Segmentation
von: Ellis, Edward, et al.
Veröffentlicht: (2025)

Polyp SAM 2: Advancing Zero shot Polyp Segmentation in Colorectal Cancer Detection
von: Mansoori, Mobina, et al.
Veröffentlicht: (2024)

Data-Agnostic Augmentations for Unknown Variations: Out-of-Distribution Generalisation in MRI Segmentation
von: Vaish, Puru, et al.
Veröffentlicht: (2025)

Maintaining Performance with Less Data
von: Sanderson, Dominic, et al.
Veröffentlicht: (2022)

RTA-Former: Reverse Transformer Attention for Polyp Segmentation
von: Li, Zhikai, et al.
Veröffentlicht: (2024)

Polyp and Surgical Instrument Segmentation with Double Encoder-Decoder Networks
von: Galdran, Adrian
Veröffentlicht: (2024)

RetSeg: Retention-based Colorectal Polyps Segmentation Network
von: ELKarazle, Khaled, et al.
Veröffentlicht: (2023)

LSKNet: A Foundation Lightweight Backbone for Remote Sensing
von: Li, Yuxuan, et al.
Veröffentlicht: (2024)

OccFeat: Self-supervised Occupancy Feature Prediction for Pretraining BEV Segmentation Networks
von: Sirko-Galouchenko, Sophia, et al.
Veröffentlicht: (2024)

Federated Self-supervised Domain Generalization for Label-efficient Polyp Segmentation
von: Tan, Xinyi, et al.
Veröffentlicht: (2025)

KDAS: Knowledge Distillation via Attention Supervision Framework for Polyp Segmentation
von: Trinh, Quoc-Huy, et al.
Veröffentlicht: (2023)

Unveiling the Backbone-Optimizer Coupling Bias in Visual Representation Learning
von: Li, Siyuan, et al.
Veröffentlicht: (2024)

CVAM-Pose: Conditional Variational Autoencoder for Multi-Object Monocular Pose Estimation
von: Zhao, Jianyu, et al.
Veröffentlicht: (2024)

CubistMerge: Spatial-Preserving Token Merging For Diverse ViT Backbones
von: Gong, Wenyi, et al.
Veröffentlicht: (2025)

Learning to Segment using Summary Statistics and Weak Supervision
von: Kulkarni, Omkar, et al.
Veröffentlicht: (2026)

Self-Prompting Polyp Segmentation in Colonoscopy using Hybrid Yolo-SAM 2 Model
von: Mansoori, Mobina, et al.
Veröffentlicht: (2024)

BetterNet: An Efficient CNN Architecture with Residual Learning and Attention for Precision Polyp Segmentation
von: Singh, Owen, et al.
Veröffentlicht: (2024)

Using Backbone Foundation Model for Evaluating Fairness in Chest Radiography Without Demographic Data
von: Queiroz, Dilermando, et al.
Veröffentlicht: (2024)

Equivariant vs. Invariant Layers: A Comparison of Backbone and Pooling for Point Cloud Classification
von: Kothapalli, Abihith, et al.
Veröffentlicht: (2023)

Grow, Assess, Compress: Adaptive Backbone Scaling for Memory-Efficient Class Incremental Learning
von: Garcia-Castañeda, Adrian, et al.
Veröffentlicht: (2026)

Pretrained Visual Uncertainties
von: Kirchhof, Michael, et al.
Veröffentlicht: (2024)

Self-Supervised Pretraining for Aerial Road Extraction
von: Polley, Rupert, et al.
Veröffentlicht: (2025)

A Multispectral Automated Transfer Technique (MATT) for machine-driven image labeling utilizing the Segment Anything Model (SAM)
von: Gallagher, James E., et al.
Veröffentlicht: (2024)

Few-shot Classification as Multi-instance Verification: Effective Backbone-agnostic Transfer across Domains
von: Xu, Xin, et al.
Veröffentlicht: (2025)

Accelerating Augmentation Invariance Pretraining
von: Lin, Jinhong, et al.
Veröffentlicht: (2024)

Pretrain Where? Investigating How Pretraining Data Diversity Impacts Geospatial Foundation Model Performance
von: Kaur, Amandeep, et al.
Veröffentlicht: (2026)

Adaptive Parametric Activation: Unifying and Generalising Activation Functions Across Tasks
von: Alexandridis, Konstantinos Panagiotis, et al.
Veröffentlicht: (2024)

The Effects of Grouped Structural Global Pruning of Vision Transformers on Domain Generalisation
von: Riaz, Hamza, et al.
Veröffentlicht: (2025)

When Does Sparse MoE Help in Vision? The Role of Backbone Compute Leverage in Sparse Routing
von: Sun, Libo, et al.
Veröffentlicht: (2026)

Activation-Free Backbones for Image Recognition: Polynomial Alternatives within MetaFormer-Style Vision Models
von: Wang, Jeffrey, et al.
Veröffentlicht: (2026)

VisionTS++: Cross-Modal Time Series Foundation Model with Continual Pre-trained Vision Backbones
von: Shen, Lefei, et al.
Veröffentlicht: (2025)