arXiv · 机器人与计算机视觉· Mohamed Hamdy, Muraam Abdel-Ghani, Fatmaelzahraa Ahmed, Sifna Nasar, Mariam Ahmed, Khalid Al-Jalham, Abdulaziz Al-Ali, Shidin Balakrishnan·· 24 天前AI 评分35
从存在标签到边界框:多模态大语言模型能否扩展手术器械定位?
From Presence Labels to Bounding Boxes: Can Multimodal Large Language Models Scale Surgical Instrument Localization?
AI 导读
研究提出基于 MLLM 的标注框架,将 Cholec80 数据集的手术帧与器械存在标签转化为精确边界框。在胆囊切除术任务中,结构化多阶段流程实现 0.784 mIoU,优于最佳单次调用基线(0.735)并接近人机共识水平(0.814)。团队公开释放包含 285,977 个边界框的空间扩展版 Cholec80 数据集及代码。
来源:arXiv · 机器人与计算机视觉 · arxiv.org