热点事件持续更新
IFC-SSL-Bench：IFC 自监督学习基准
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月26日，arXiv cs.CV 上的一项研究提出 IFC-SSL-Bench，这是一个面向多光谱成像流式细胞术（IFC）的自监督学习评测基准。该基准在两个异构数据集上，系统评测了 6 种自监督学习方法与 4 种骨干网络的组合。结果显示，自监督学习（SSL）仅使用 5% 标注数据，就在形态学分类上追平使用全部 100% 标注的全监督基线；在标注比例低于 5% 的低数据区间，它的优势更明显。在 1% 标注下，SSL 使结构复杂类别的 F1 提升超过 35 个百分点。评测中最佳的方法与骨干网络组合是 MoCo-v2 搭配 ConvNeXt。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
研究发布 IFC-SSL-Bench，自监督学习用 5% 标注即追平全监督基线。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.CVIFC-SSL-Bench：面向标注高效的多光谱成像流式细胞术自监督学习基准
研究者提出 IFC-SSL-Bench，在 IFC（多光谱成像流式细胞术）上系统评测自监督学习，覆盖 6 种 SSL 方法与 4 种骨干网络、两个异构数据集。SSL 仅用 5% 标注即在形态学分类上追平用满 100% 标注的全监督基线，5% 以下低数据区间优势更明显，MoCo-v2 搭配 ConvNeXt 为最佳组合。1% 标注下，SSL 让结构复杂类别的 F1 提升超 35 个百分点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。