SurgMotion：学手术视频的新模型
jiqizhixin · x · 2026-07-16
研究者提出 **SurgMotion**：一种面向手术视频的 video-native foundation model，不再依赖像素级重建，而是直接学习潜在运动预测。 论文的核心思路是让模型从“运动”而不是“画面细节”中学习，因此会尽量忽略烟雾、反光等干扰，转而建模时空动作信息。作者给出三项关键设计： - guided masked prediction - spatiotemporal self-distillation - diversity regularization 在实验上，SurgMotion 在多个任务上取得新 SOTA： - EgoSurgery workflow recognition：F1 提升 14.6% - PitVis：提升 10.3% - CholecT50：达到 39.54% mAP 此外，它还覆盖技能评估、息肉分割和深度估计等任务。帖子附了论文、GitHub、Hugging Face 和解读报告链接。