用于手术视频无监督目标发现的未来时隙预测
计算机视觉与模式识别
2025-07-09 v2
摘要
对象中心化slot注意力是无监督学习结构化、可解释目标中心化表示（slot）的新兴范式。这使其能够以低计算成本有效推理对象与事件，因而适用于如实时解读手术视频等关键医疗应用。然而，真实世界应用（如手术）中的异构场景难以解析为有意义的slot集合。当前采用自适应slot数量的方法在图像上表现良好，但在手术视频上的表现较差。为此，本文提出一种动态时序slot转换器（DTST）模块，既为时序推理又为预测最优未来slot初始化训练。该模型在多个手术数据库上实现了最先进性能，证明无监督目标中心化方法可应用于真实数据，成为医疗应用中常见的工具箱的一部分。
引用
@article{arxiv.2507.01882,
title = {Future Slot Prediction for Unsupervised Object Discovery in Surgical Video},
author = {Guiqiu Liao and Matjaz Jogan and Marcel Hussing and Edward Zhang and Eric Eaton and Daniel A. Hashimoto},
journal= {arXiv preprint arXiv:2507.01882},
year = {2025}
}
备注
Accepted by MICCAI2025