arXiv cs.AI· Saurabh Koju, Love Panta, Deepak Thapa, Rudra P. K. Poudel, Prajwal Ghimire, Angus Watson, Yash Raj Shrestha, Prashnna Kumar Gyawali, Binod Bhattarai·· 11 小时前AI 评分31
SurgTransfer：面向手术世界模型动作迁移的多步潜在动作建模
SurgTransfer: Multi-Step Latent Action Modeling for Action Transfer in Surgical World Model
AI 导读
SurgTransfer 提出多步潜在动作学习框架，从无标注视频中学习上下文无关的潜在动作，实现跨手术场景的动作迁移，无需依赖真实运动学动作或专家标注。该方法在公开数据集 SurgToolLoc-2022 和 PitVis-2023 上通过定量指标与外科专家定性评估验证，代码与实现细节已公开。
正文 · AI 翻译
摘要：手术世界模型有望提供术中指导、加速无风险训练，并促进专家手术操作的迁移。然而，利用世界模型迁移手术专长的研究在很大程度上仍属空白。此外，该领域近期的方法主要依赖真实运动学动作或针对特定任务的专家标注，这限制了它们在具有真实标注的狭窄任务范围之外的应用。相比之下，自然领域中的现有工作在仅从无标注视频中学习潜在动作、并将所学动作跨情境迁移方面已展现出良好前景。我们观察到，这一范式对于手术领域而言是短视的，未能捕捉手术过程的分层与目标导向结构。因此，我们提出了一种新颖的多步动作学习框架，用于学习情境不变的潜在动作，这些动作可轻松迁移至各种手术情境。我们在公开数据集 SurgToolLoc-2022 和 PitVis-2023 上进行了大量实验，通过定量指标和外科专家的定性评估验证了我们的方法。我们已在此 https URL 发布了代码和实现细节。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.05443 [cs.CV] |
| （或 arXiv:2611.05443v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.05443 arXiv 颁发的 DOI（通过 DataCite） |
提交历史
来自：Love Panta [查看邮箱]
[v1]
2026年11月3日星期二 15:59:37 UTC（22,295 KB）
来源：arXiv cs.AI · arxiv.org