以DINOv3（ViT-B版本）encoder+Primus decoder为baseline，改进primus的输入，将一些encoder中间层的一些patch token进行聚合作为其输入。另外，由于primus中patch size为8，计算成本高，将其改为与DINOv3统一的16，但是在slice上更密集地取样以实现高分辨率训练。
2025-09-26发布于论文随笔
