计算机科学 > 计算机视觉与模式识别
[提交于 2025年7月21日
(v1)
,最后修订 2025年7月24日 (此版本, v2)]
标题: 面向整体的外科场景图
标题: Towards Holistic Surgical Scene Graph
摘要: 外科场景理解对于计算机辅助干预系统至关重要,需要对包含手术工具、解剖结构及其相互作用等多样化元素的外科场景进行视觉理解。 为了有效表示外科场景中的复杂信息,基于图的方法已被探索用于结构化建模外科实体及其关系。 先前的外科场景图研究已经证明了使用图来表示外科场景的可行性。 然而,尽管这些方面非常重要,外科场景中的一些方面,如工具-动作-目标的多样化组合以及操作工具的手的身份,在基于图的表示中仍缺乏深入研究。 为了将这些方面纳入图表示中,我们提出了 Endoscapes-SG201数据集,其中包含工具-动作-目标组合和手身份的注释。 我们还介绍了SSG-Com,这是一种基于图的方法,旨在学习和表示这些关键要素。 通过在下游任务(如安全评估的关键视图和动作三元组识别)上的实验,我们证明了整合这些重要场景图组件的重要性,突显了它们对外科场景理解的重要贡献。 代码和数据集可在 https://github.com/ailab-kyunghee/SSG-Com 获取。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.