DINOv2 versus Supervised Visual Representations for Tooth-Level Multi- Label Diagnosis Classification on Panoramic Radiographs: A Frozen-Feature Sample-Efficiency Study
Diese Studie zeigt, dass der eingefrorene DINOv2-small zwar bei vollständig annotierten Panorama-Röntgenaufnahmen das auf ImageNet vortrainierte ResNet50 nicht signifikant übertrifft, jedoch eine überlegene Sample-Effizienz und Leistung für die Zahnebene-Multilabel-Diagnoseklassifikation unter begrenzten Annotationsbudgets bietet.