主动学习+弱监督让手术视频标注省力一半，宾大团队发表于 IJCARS
Laparoscopes · x · 2026-11-11
宾夕法尼亚大学工程师团队在 International Journal of Computer Assisted Radiology and Surgery（IJCARS）发表短文，提出一个 human-in-the-loop 知识获取框架，把主动学习与双损失优化结合，用于腹腔镜手术视频中的器械定位与分割标注。
方法：用基础模型从视频生成时间一致的类激活图（CAM），配合两个互补训练目标——弱标注数据上的视频级工具存在弱监督损失，以及主动学习获得的人工修正标注的图像级 mask 损失。流程迭代提出伪 mask，引导专家标注者修正模型已有知识，而非一开始就做密集像素级标注。
结果：训练结束时相比全人工标注减少约 50% 的标注工作量，使手术器械分割模型的数据集构建更具可扩展性。
所属事件:宾大团队用主动学习将手术视频标注提速近半(3 条相关)→
「研究」频道最新
- PhyRubric：基于评分细则诊断文生视频物理常识，UIC 团队发布新基准 — Huiyi Chen · 2026-11-12
- 学者列出 AI 代写论文摘要的三大理由，获投资人转发 — Afinetheorem · 2026-11-12
- CMU 论文：工程师 token 花销只衡量用 AI 多勤，不衡量产出 — rohanpaul_ai · 2026-11-12
- CMU 与 JetBrains 研究：token 花费翻倍仅换来约 10% 提交增长 — rohanpaul_ai · 2026-11-12
- 把越狱建模成辩证博弈：自动生成越狱策略的 ADJ 框架 — chaumian · 2026-11-12
- AI 设计的 T 细胞受体在实验中显著增强抗癌杀伤能力 — WmHaseltine · 2026-11-12