研究人员提出了 BTHA，这是一种可迁移骨干的层次化适配器框架，旨在将语言引导与特定的视觉和文本编码器解耦，应用于医学图像分割。

  • BTHA 使用形状保持适配器注入语义引导，同时在不同的骨干网络之间维持稳定的特征级接口。
  • 该方法引入了分层由粗到细的监督策略，用于全局对齐、多尺度定位和边界细化。
  • 尺度自适应门控语义引导（SAGSG）适配器自适应地控制文本注入并抑制冗余的跨模态响应。
  • 评估表明，该框架在卷积式和基于 Transformer 的视觉编码器以及各种语言编码器上均保持有效。

在四个公共数据集上的实验表明，BTHA 以适度的计算开销提升了强大的文本引导基线模型。