VISTA：基于解剖解码的空间与时序基础模型验证引导集成用于罕见病路径事件检测 -- 比赛结果后分析
计算机视觉与模式识别
2026-05-22 v1
摘要
胶囊内镜事件检测具有挑战性，因为临床相关发现稀疏、视觉上异质，且以事件层面评估而非帧精度进行评估。我们提出 VISTA，一个用于 RAREVISION 任务的指标对齐的多主干框架。VISTA 结合 EndoFM-LV 用于时序上下文和 DINOv3 ViTL/16 用于帧级视觉语义，随后采用多样化头部集合（DHE）、验证引导加权融合（VGWF）和解剖感知时序事件解码（ATED）。原始官方提交在隐藏测试集上实现了 temporal [email protected] 为 0.3530 和 [email protected] 为 0.3235。比赛后，通过扩展局部阈值细化以全局粗搜索，性能提升至 0.3726 [email protected] 和 0.3431 [email protected]，使团队 ACVLab 在后比赛评估中名列第 2。
引用
@article{arxiv.2605.22096,
title = {VISTA: Validation-Guided Integration of Spatial and Temporal Foundation Models with Anatomical Decoding for Rare-Pathology VCE Event Detection -- after competition results},
author = {Bo-Cheng Qiu and Fang-Ying Lin and Ming-Han Sun and Yu-Fan Lin and Chia-Ming Lee and Chih-Chung Hsu},
journal= {arXiv preprint arXiv:2605.22096},
year = {2026}
}