arXiv Computer Vision· Philipp Wesp, Robbie Holland, Vasiliki Sideri-Lampretsa, Sergios Gatidis·2026-10-27 12:00· 8 小时前AI 评分31

用稀疏自编码器实现可解释的医学图像表征学习

Sparse Autoencoders for Interpretable Medical Image Representation Learning

AI 导读

研究在 TotalSegmentator 的 909,873 张 CT 与 MRI 二维切片上，对 BiomedParse 和 DINOv3 的嵌入向量训练稀疏自编码器（SAE），将不透明的视觉基础模型表征替换为可解释的稀疏特征。

来源：arXiv Computer Vision · arxiv.org