DINOv2 versus Supervised Visual Representations for Tooth-Level Multi- Label Diagnosis Classification on Panoramic Radiographs: A Frozen-Feature Sample-Efficiency Study
Este estudio demuestra que, si bien el modelo DINOv2-small congelado no supera significativamente al ResNet50 preentrenado con ImageNet supervisado en radiografías panorámicas totalmente anotadas, proporciona una eficiencia de muestra y un rendimiento superiores para la clasificación de diagnóstico multietiqueta a nivel de diente bajo presupuestos de anotación limitados.