Точность сегментации в глубоком обучении зависит от разрешения изображения, причем каждая архитектура имеет оптимальное значение, обычно при более низком разрешении микроскопии. Здесь авторы представляют ReScale4DL, фреймворк для оптимизации экспериментов по визуализации путем выбора разрешений для балансировки точности, пропускной способности и стоимости.