arXiv · 机器人与计算机视觉· Mohamed Hamdy, Iheb Zouari, Fatmaelzahraa Ahmed, Muraam Abdel-Ghani, Muhammed Arsalan, Ponnuthurai Suganthan, Khalid Al-Jalham, Abdulaziz Al-Ali, Shidin Balakrishnan·· 23 天前AI 评分42
MIS-VQA:面向复杂手术理解的标注驱动视觉语言数据集与 LLaVA-SurgXpert 模型
MIS-VQA: An Annotation-Driven Surgical Vision-Language Dataset for Complex Surgical Understanding
AI 导读
MIS-VQA 是一个将异构手术标注转化为结构化文本场景表示的视觉语言数据集,基于 EndoVis18 和 CholecT50 构建以支持感知 grounding 及多步推理评估。
来源:arXiv · 机器人与计算机视觉 · arxiv.org