论文页面 - 面向干细胞显微成像的保留约束训练后量化：Cellpose-SAM模型

来源：https://huggingface.co/papers/2609.21038 https://huggingface.co/login?next=%2Fpapers%2F2609.21038-

摘要

诱导多能干细胞培养日益依赖分割基础模型，但要在实验室CPU和边缘硬件上部署，则需要既高效又可审计的压缩方案。本文提出了一种面向部署的压缩Cellpose-SAM模型评估方法，采用预先指定的保留标准：在每个成像模态下，与FP32相比，平均变化的95%聚类自举置信区间必须保持在-0.02的固定边际之上。在涵盖BBBC038细胞核、BBBC039 U2OS荧光及NIST iPSC图像的176个分层场数据面板上，仅权重量化W8A16在所有模态下均保留了实例F1分数。一种基于敏感度的混合W4/W8方案（使用四个INT8例外）实现了6.76倍的权重存储缩减，且未观察到灾难性失败（0/176个场），在此样本量下性能匹配W8A16。相比之下，仅三值权重量化实现了12.08倍压缩，但在169/176个场上出现灾难性失败。这些结果表明，压缩效果应通过模态分层的下游保留来评估，而非单一的准确性指标，并为受监管干细胞成像中压缩基础模型的审计建立了一个可复现的协议。

查看arXiv页面 (https://arxiv.org/abs/2609.21038) 查看PDF (https://arxiv.org/pdf/2609.21038) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.21038)

社区

论文作者

论文提交者

36分钟前 (https://huggingface.co/papers/2609.21038#6ab10ab6923c246a68ea1e1c)

Cellpose-SAM用于分割显微图像中的细胞和细胞核。将其直接部署在实验室仪器上将能够在采集点进行分析，但这些设备的计算和内存资源相较于专用工作站较为有限。

因此我们探究了Cellpose-SAM能否在不损害分割精度的情况下被压缩以进行本地部署，以及压缩对不同成像条件的影响。压缩12倍的Cellpose-SAM在176个图像场中的169个上性能下降，而一个保守的混合精度方案实现了6.76倍的缩减且未观察到失败。这些结果表明，必须跨成像条件来评估压缩效果，而不能仅依据模型大小或平均精度。

通过拖拽、粘贴或点击此处上传图像、音频和视频到文本输入框。

点击或粘贴此处上传图像 https://huggingface.co/login?next=%2Fpapers%2F2609.21038-

在您的代理中获取此论文：

hf papers read 2609\.21038

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型 5个

capicu-ai/cellpose-sam-wquant-w4a16-g64 图像分割• 0.2B• 约10小时前更新 • 17 (https://huggingface.co/capicu-ai/cellpose-sam-wquant-w4a16-g64)

capicu-ai/cellpose-sam-wquant-w8a8-qdq 图像分割• 0.3B• 约10小时前更新 • 25 (https://huggingface.co/capicu-ai/cellpose-sam-wquant-w8a8-qdq)

capicu-ai/cellpose-sam-wquant-w8a16 图像分割• 0.3B• 约10小时前更新 • 19 (https://huggingface.co/capicu-ai/cellpose-sam-wquant-w8a16)

capicu-ai/cellpose-sam-wquant-mixed-w4-w8 图像分割• 0.2B• 约10小时前更新 • 19 (https://huggingface.co/capicu-ai/cellpose-sam-wquant-mixed-w4-w8)

浏览5个引用本文的模型 (https://huggingface.co/models?other=arxiv:2609.21038)

引用本文的数据集 0个

没有数据集链接本文

在数据集的README.md中引用arxiv.org/abs/2609.21038以从本页面链接它。

引用本文的Space 0个

没有Space链接本文

在Space的README.md中引用arxiv.org/abs/2609.21038以从本页面链接它。

包含本文的收藏 1个