arXiv · 机器人与计算机视觉· Rochak Dhakal, Chen Zhao, Soup Cobb, Xin Qian, Xiaofeng Yang, Weihua Zhou·· 10 天前AI 评分5
GRAC:基于图检索增强的手术场景描述框架
GRAC: Graph-Based Retrieval-Augmented Captioning for Surgical Scene Description
AI 导读
GRAC 提出一种将手术场景表征为图的框架,通过检索相关图文对并比较器械 - 组织交互来生成更富语境的手术描述。在 EndoVis-18 基准测试中,其 CIDEr-D 达 5.88(最强 Transformer 基线为 3.36),器械 - 动作 - 目标三元组准确率提升至 52.6%;在 TORS 数据集上 CIDEr-D 为 5.06。
来源:arXiv · 机器人与计算机视觉 · arxiv.org