算法论文8

nnU-Net：医学图像分割的自适应利器

机器学习AI算法工程2026-03-05

AI 摘要

德国癌症研究中心团队：提出 nnU-Net 框架，能自动推导策略获分割基线。它高效、泛化强、易部署，但灵活性不足、依赖资源。在多案例中表现有优有劣，未来可优化提升。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

UCSD：GenSeg突破医学图像低标注分割瓶颈

GenSeg用AI生成高质量医学图像及对应分割标注，在仅有几十张样本时也能训练出媲美传统深度模型的分割系统，显著降低医生手工标注负担。它是通用、与模型无关的框架，可集成到现有分割模型。

华中科技大学慢工团队提出少样本工业生成模型SeaS，依托U-Net，只需1 - 3张训练样本，单模型同步实现多样异常生成、正常产品合成及精确异常掩码标注，突破现有方法局限，在主流数据集上超越SOTA。

视频扩散模型生成新视角视频时，现有方法缺显式3D结构。智象未来提出DreamWorld，用3D先验与两阶段框架，结合结构和生成能力，在多基准测试表现领先。

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。