Le filThèmes : RechercheOpen sourceInfra
LightMIS segmente les images médicales avec des réseaux ultra-légers, sans décodeur par étage
1 sourcemis à jour 28 sept.pertinence 3,0 sur5
L’essentiel
Le LightMIS complet compte 0,131 million de paramètres et 0,575 GFLOPs. Son Dice moyen par modalité atteint 86,71 %, contre 86,75 % pour Mobile U-ViT. Sur un GPU Arm Mali-G52 MC2, la latence médiane va de 53,31 à 138,31 ms.
Propagation1 article, publié par HF Daily Papers le 28 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceAndrei Arhire, Mihaela-Elena Breabăn, Radu Timoftehuggingface.co
LightMIS: Ultra-Lightweight Medical Image Segmentation Without a Stage-Wise Decoder (site externe)
We present LightMIS, a scalable family of ultra-lightweight convolutional networks for 2D binary medical image segmentation without a learned stage-wise decoder.
Sur les mêmes thèmes
Open source
Ai2 publie Olmo-core 3, son framework d’entraînement ouvert pour de grands modèles à mélange d’experts
Recherche
RayOrch, un moteur distribué, préserve les liens parent-enfant dans la préparation de données d’IA
Infra
Galahad, une couche mémoire pour vLLM, SGLang et llama.cpp, évite de relire les mêmes textes
Recherche
LoGRA réduit la mémoire de l’entraînement par RL des LLM grâce à des esquisses de gradient de bas rang
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5