全球首个十亿级参数手术视频基础模型SurgMotion发布

机器之心 · wechat · 2026-07-08

中国科学院香港创新研究院联合中科院自动化所、香港中文大学、慕尼黑工业大学及多家顶级医院发布SurgMotion，这是全球首个十亿级参数手术视频原生基础模型。模型基于自建的SurgMotion-15M数据集训练，该数据集包含3658小时手术视频、1500万帧、涵盖13个解剖区域和50个数据来源，是目前全球规模最大的手术视频预训练数据集。SurgMotion采用V-JEPA架构，引入运动引导潜空间遮蔽预测、时空亲和力自蒸馏等三项核心技术，在覆盖17项核心手术任务的基准测试中手术视频动态理解性能平均提升16.5%，静态任务平均误差降低2.9%。模型发布三个月已成为HuggingFace手术视频基础模型下载量第一，来自5大洲14个国家近40个顶尖机构已申请使用，包括直觉外科、卡尔史托斯、杜克大学等。