GDBA-Net：SAM2门控双分支适配的跨域细胞核分割

2026年10月15日，arXiv Computer Vision 出现由 Biplab Poudel 等作者提交的论文预印本，提出 GDBA-Net 框架。据该预印本，GDBA-Net 是一种基于冻结 SAM2 编码器的参数高效细胞核分割方法，通过门控双分支适配器（GDBA）改造冻结的 SAM2 编码器，将预训练语义表示与频率导出的结构先验结合，经 Grid MLP 分支变换后用样本自适应通道门控动态融合。该预印本称，GDBA-Net 仅使用 430 万个可训练参数，在六个多样的细胞核分割基准上，于全监督、跨数据集和五样本自适应三种协议下均取得数据集内最优性能并持续具有更优的跨数据集泛化能力，优于对比的 CNN、Transformer 及基础模型方法。目前该事件仅有这一篇主报道，尚无跟进报道，上述性能与参数数字均来自该预印本自述。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。