今天介绍下面这篇工作。做的内容是最近大火的图像文本联合预训练（Vision-Language pretraining）在医疗领域的应用。这篇文章的亮点主要是：
1. 探索了如何处理 False Negative 样本对预训练的影响；
2. 探索了怎么样在样本有限的情况下，最大化的扩充正负样本对来提高多模态预训练的 data efficiency。
论文链接：
代码链接：
针对上面的这两个问题，我们希望能够解耦（decouple）图片和文本的配对关系，转而用一个人工构建的弱标签系统作为匹配图片和文本的工具。见下图。
▲ MedCLIP的基本架构
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢