arXiv · 机器人与计算机视觉· Tsz-Yui Qin, Siyu Zhou, Chi-Keung Tang·· 2026-10-08AI 评分58
超越掩码与轨迹:面向手术视频生成的流引导潜在动作注入方法
Beyond Masks and Trajectories: Flow-Guided Latent Action Injection for Stable Surgical Video Generation
AI 导读
论文提出 FLAIR 框架,通过从真实手术视频的视差场学习动作先验,结合文本提示动态预测并注入潜在动作表示至冻结基座模型,实现无需辅助条件的高质量手术视频生成。研究构建了首个大规模手术视觉数据集 SurgActionClip-30K 及专用评估指标 SurgMetrics,实验表明该方法在仅用文本输入时即可保持高动作一致性且符合人类感知偏好。
来源:arXiv · 机器人与计算机视觉 · arxiv.org