AI BriefingLightMIS, 파라미터 98% 절감하며 nnWNet과 동등한 엣지 GPU 성능 확보
LightMIS: Ultra-lightweight medical image segmentation for edge devices [R]
·2026.11.03 05:22
핵심 내용
131K 파라미터 LightMIS가 Arm Mali-G52 MC2 GPU에서 nnWNet보다 10.5배 빠르다
자세히 보기
- 131K 파라미터의 2D 바이너리 의료 영상 분할 모델 LightMIS는 학습된 단계별 디코더 없이 멀티스케일 인코더 특징을 직접 집계함
- nnWNet과 유사한 관측된 모달리티-매크로 Dice 및 IoU 평균을 달성하면서 파라미터는 98.14%, GFLOPs는 94.58% 절감함
- Arm Mali-G52 MC2 GPU가 탑재된 실제 엣지 디바이스 테스트에서 LightMIS는 nnWNet 대비 약 10.5배 빠른 속도로 100% GPU 연산자 커버리지 및 CPU 폴백 없이 구동됨
- 실험은 6개 데이터셋과 5개 영상 모달리티를 포함하며, 모든 모델은 동일한 nnU-Net v2.3.1 프로토콜 하에서 학습 및 평가됨
- 소스 코드, 체크포인트, 재현 세부 사항은 GitHub 및 arXiv에 공개됨
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.
