arXiv ID:
2606.26634
arXiv 提交日期: 2026-06-25
基于时间一致标签插值的鲁棒手术多任务学习方法 / Temporally Consistent Label Interpolation for Robust Surgical Multi-Task Learning under Challenging Conditions
1️⃣ 一句话总结
该论文提出了一种名为FAROS的标签插值框架,通过光流估计和零样本分割技术,将稀疏的帧标注自动扩展为密集且时间一致的高质量伪标签,从而平衡手术视频中时间任务(如阶段识别)和空间任务(如器械分割)的标注差异,显著提升多任务学习的整体表现。