Weighting What Matters: Boosting Sample Efficiency in Medical Report Generation via Token Reweighting

Este trabalho apresenta uma função de perda com reponderação de tokens para aumentar a eficiência de dados no treinamento de modelos de visão-linguagem para geração de relatórios médicos. Ao priorizar tokens semanticamente salientes, o método alcança qualidade de relatório comparável usando até dez vezes menos dados de treinamento.