論文の概要: Looking Beyond the Scale: Do Surgical Skill Models Learn Transferable Representations Across Assessment Rubrics?

• arxiv url: http://arxiv.org/abs/2608.17519v1
• Date: Tue, 18 Aug 2026 08:44:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.272224
• Title: Looking Beyond the Scale: Do Surgical Skill Models Learn Transferable Representations Across Assessment Rubrics?
• Title（参考訳）: スケールを超えて見る: 手術スキルモデルは、アセスメントラグビー全体を通して、伝達可能な表現を学ぶか?
• Abstract要約: 本稿では,GOALSATSとJIGSAWSスケール間のドメイン間スキル伝達の制限を系統的に解析する。 JIGSAWSで事前トレーニングされたバックボーンは、LASANAで0.77から0.80のCC値を達成し、エンドツーエンドのベースラインと密接に一致している。 結果は、視覚成分が支配的であるが、スキル予測にのみ責任を負わないことを示している。
• 参考スコア（独自算出の注目度）: 1.6803183521876386
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Vision-based surgical skill assessment has shown strong in-domain results, yet a fundamental question remains unasked: do these models learn transferable representations of surgical proficiency, or do they merely encode dataset-specific visual patterns? This paper systematically analyzes what limits cross-domain skill transfer between the GOALS and OSATS assessment scales using the LASANA and JIGSAWS datasets. Each evaluated method serves a targeted diagnostic purpose: end-to-end training to test whether supervised skill learning transfers directly, Adaptive Sharpness-Aware Minimization (ASAM) to probe whether flatter loss landscapes improve generalization, and augmentation-based self-supervised and contrastive learning to assess whether domain-invariant pretraining decouples skill from visual context. Transfer is evaluated in both directions using a disjoint-participant held-out test set for JIGSAWS. Results reveal an asymmetry: backbones pretrained on JIGSAWS achieve CCC values of 0.77 to 0.80 on LASANA, closely matching the end-to-end baseline, showing cross-rubric transfer is feasible when the target domain provides consistent supervision. Transfer to JIGSAWS fails across all methods, likely due to annotation inconsistencies. Control experiments with a Kinetics-pretrained backbone suggest task-specific heads carry the majority of the skill prediction burden, while the backbone need only provide adequate spatiotemporal features. These findings offer a new perspective on vision-based skill assessment: the central question of whether skill representations transfer across scoring systems has not been previously investigated. Results indicate the visual component is dominant but not solely responsible for skill prediction; further work is needed to conclusively disentangle transferable skill features from those bound to a specific visual domain.
• Abstract（参考訳）: ビジョンに基づく外科的スキル評価は、ドメイン内での強い結果を示しているが、根本的な疑問はいまだにない。これらのモデルは、手術の熟練度の伝達可能な表現を学ぶのか、単にデータセット固有の視覚パターンを符号化するだけなのか? 本稿では,GOALSとOSATS評価尺度間のドメイン間スキル伝達の制限をLASANAとJIGSAWSデータセットを用いて系統的に解析する。 それぞれの評価方法は、教師付きスキル学習が直接転送されるかどうかをテストするエンドツーエンドトレーニング、フラットなロスランドスケープが一般化を改善するかどうかを調査するAdaptive Sharpness-Aware Minimization(ASAM)、ドメイン不変の事前学習スキルが視覚的コンテキストから切り離されるかどうかを評価するための拡張ベースの自己教師付きコントラスト学習、などである。 JIGSAWSの非参加型ホールドアウトテストセットを用いて、両方向の転送を評価する。 JIGSAWS で事前訓練されたバックボーンは LASANA で 0.77 から 0.80 の CCC 値を達成し、終端から終端までのベースラインと密に一致し、ターゲットドメインが一貫した管理を提供するときに、相互変換が実現可能であることを示す。 JIGSAWSへの転送は、アノテーションの不整合のため、すべてのメソッドで失敗する。 Kinetics-pretrained backboneによる制御実験では、タスク固有のヘッドがスキル予測の負担の大部分を担っているのに対して、バックボーンは適切な時空間的特徴のみを提供する必要があることを示唆している。 これらの知見は、視力に基づくスキルアセスメントに新たな視点を与え、スコアリングシステム間でのスキル表現の伝達がこれまで検討されていないかどうかという中心的な疑問を提起する。 結果は、視覚的コンポーネントが支配的であるが、スキル予測にのみ責任があるわけではないことを示している。

関連論文リスト

• Foundation Models for Face Presentation Attack Detection: A Unified Linear-Probing Benchmark [32.89408229880636]
  クロスデータセット評価においては,顔提示攻撃検出は依然として困難である。 PAD関連情報を最小限のタスク特化訓練で利用できる汎用視覚基盤モデルか? 自己教師型ビジョントランス、視覚言語エンコーダ、教師型CNNを含む24個の凍結エンコーダを評価した。
  論文  参考訳（メタデータ） (2026-07-29T14:52:25Z)
• VISTA: Vision-Grounded and Physics-Validated Adaptation of UMI data for VLA Training [52.05483137072975]
  Universal Manipulation Interface (UMI)は、ハードウェア固有の遠隔操作なしでスケーラブルな実世界のロボットデータ収集を可能にする。 VISTAは、この2つのギャップを3つの相乗的コンポーネントを通して橋渡しするフレームワークである。 我々は,物理検証パイプライン,UMI-VQA,検証された軌道データ,コミュニティのための事前学習モデルをリリースする。
  論文  参考訳（メタデータ） (2026-06-03T10:38:45Z)
• SuperValid: Capability-Aligned OOD Validation for Generalizable Downstream Scaling [9.40050823319082]
  下流のスケーリングは能力レベルで研究されるべきである、と我々は主張する。 我々は,OOD(out-of-distribution),能力整合性検証データを合成するフレームワークであるSuperValidを提案する。
  論文  参考訳（メタデータ） (2026-05-27T09:01:09Z)
• A Systematic Failure Analysis of Vision Foundation Models for Open Set Iris Presentation Attack Detection [6.472008340680056]
  本研究は、近視画像を用いたオープンセット虹彩PADのための汎用視覚基盤モデルの系統的故障解析を行う。 その結果、基礎モデルは、類似したセンシング特性を持つデータセット間で転送可能であるが、未知の攻撃機器に対して確実に一般化できないことが示唆された。 これらの結果から,強いクローズドセットやクロスデータセットのパフォーマンスは,堅牢なオープンセットセキュリティの証拠として扱うべきではないことが示唆された。
  論文  参考訳（メタデータ） (2026-05-18T18:41:26Z)
• Gym-V: A Unified Vision Environment System for Agentic Vision Research [51.62136909074774]
  Gym-Vは、手続き的に生成された10ドメインにわたる179の視覚環境の統一プラットフォームであり、制御が難しい。 我々は,RLアルゴリズムの選択よりも,観測足場がトレーニングの成功に決定的であることを見出した。 クロスドメイン転送実験は、多様なタスクのトレーニングが広範囲に一般化され、狭いトレーニングが負の転送を引き起こすことを示している。
  論文  参考訳（メタデータ） (2026-03-16T15:37:07Z)
• Rethinking Visual-Language-Action Model Scaling: Alignment, Mixture, and Regularization [65.37179698521766]
  VLA(Vision-Language-Action)モデルは、ジェネラリストロボットの制御を強く約束する。 標準的な「スケールデータ」レシピがロボット工学に翻訳されるかどうかはまだ不明だ。 本稿では,多様なロボットを対象とした事前学習のためのコアトレーニング選択を再考する,VLAスケーリングの体系的かつ制御された研究を提案する。
  論文  参考訳（メタデータ） (2026-02-10T12:25:43Z)
• Cyclic Contrastive Knowledge Transfer for Open-Vocabulary Object Detection [11.497620257835964]
  我々は、余分な監督なしに訓練されたCCKT-Detを提案する。 提案フレームワークは,視覚言語モデル(VLM)から抽出した言語クエリと視覚領域の特徴から,循環的かつ動的に知識を伝達する。 CCKT-Detは、VLMの規模が大きくなるにつれて常に性能を向上させることができる。
  論文  参考訳（メタデータ） (2025-03-14T02:04:28Z)
• What Makes Pre-Trained Visual Representations Successful for Robust Manipulation? [57.92924256181857]
  照明やシーンテクスチャの微妙な変化の下では,操作や制御作業のために設計された視覚表現が必ずしも一般化されないことがわかった。 創発的セグメンテーション能力は,ViTモデルにおける分布外一般化の強い予測因子であることがわかった。
  論文  参考訳（メタデータ） (2023-11-03T18:09:08Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Self-supervised driven consistency training for annotation efficient histopathology image analysis [13.005873872821066]
  大きなラベル付きデータセットでニューラルネットワークをトレーニングすることは、計算病理学において依然として支配的なパラダイムである。 本研究では,非教師付き表現学習のための強力な監視信号を学ぶために,ヒストロジ全体スライディング画像の背景となる多段階的文脈的手がかりを利用する自己教師付きプレテキストタスクを提案する。 また,タスク固有の未ラベルデータとの予測整合性に基づいて,事前学習した表現を下流タスクに効果的に転送することを学ぶ教師による半教師付き一貫性パラダイムを提案する。
  論文  参考訳（メタデータ） (2021-02-07T19:46:21Z)
• Robust Pre-Training by Adversarial Contrastive Learning [120.33706897927391]
  近年の研究では、敵の訓練と統合されると、自己監督型事前訓練が最先端の堅牢性につながることが示されている。 我々は,データ強化と対向的摂動の両面に整合した学習表現により,ロバストネスを意識した自己指導型事前学習を改善する。
  論文  参考訳（メタデータ） (2020-10-26T04:44:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。