論文の概要: Large-Small Model Collaboration for Zero-Shot Surgical Phase Recognition
- arxiv url: http://arxiv.org/abs/2608.22879v1
- Date: Mon, 24 Aug 2026 07:06:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.927945
- Title: Large-Small Model Collaboration for Zero-Shot Surgical Phase Recognition
- Title（参考訳）: ゼロショット手術相認識のための大規模モデル協調
- Abstract要約: 外科的位相認識のためのタスク固有の軽量モデルは、時間的ダイナミクスを捉えるのに優れているが、ドメインシフト下での一般化は不十分である。
textbfLarge-textbfSmall textbfTemporal adaptation (textbfLaST)を提案する。
- 参考スコア（独自算出の注目度）: 45.191945465591374
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Task-specific lightweight models for surgical phase recognition excel at capturing temporal dynamics but generalize poorly under domain shift. Conversely, surgical foundation models (FMs) offer superior transferability via large-scale pretraining, yet their lack of explicit temporal modeling often yields temporally inconsistent predictions, leading to degraded performance. To exploit the complementary strengths of both paradigms, we propose \textbf{La}rge-\textbf{S}mall \textbf{T}emporal adaptation (\textbf{LaST}), a novel large-small collaborative framework that enables zero-shot adaptation to unseen clinical domains. In LaST, the FM initiates the pipeline by generating frame-level phase priors that serve as initial weak supervision. To effectively utilize these noisy phase priors, we introduce an iterative temporal refinement scheme that integrates dynamic quality control to filter reliable predictions and dual-model cross-learning to mitigate confirmation bias. Simultaneously, the lightweight model leverages its intrinsic temporal modeling ability to progressively correct inconsistent predictions and enhance overall accuracy across iterations. At the end, a cycle replay strategy is employed to close the loop: the refined, more accurate predictions are utilized as upgraded supervision signals for the subsequent iterations, fostering a self-reinforcing evolution of both label quality and model capability. Extensive experiments demonstrate that LaST achieves robust adaptation to unseen domains for zero-shot surgical phase recognition, outperforming the baseline (PeskaVLP) by 24.85\%-43.17\% in accuracy and even surpassing fully supervised linear probing and several state-of-the-art few-shot approaches. Codes will be released at https://github.com/YIYIZH/LaST.
- Abstract（参考訳）: 外科的位相認識のためのタスク固有の軽量モデルは、時間的ダイナミクスを捉えるのに優れているが、ドメインシフト下での一般化は不十分である。
逆に、外科的基礎モデル(FM)は大規模な事前訓練によって優れた伝達性を提供するが、その明示的な時間的モデリングの欠如は時間的に矛盾する予測をもたらし、性能が劣化する。
両パラダイムの相補的強みを生かして,未確認臨床領域へのゼロショット適応を可能にする,新規な大規模協調フレームワークである \textbf{La}rge-\textbf{S}mall \textbf{T}emporal adaptation (\textbf{LaST}) を提案する。
LaSTでは、FMがパイプラインを起動する。
これらのノイズを効果的に活用するために、動的品質制御を統合した反復時間改善手法を導入し、信頼性のある予測をフィルタリングし、二モデルクロスラーニングを行い、確認バイアスを軽減する。
同時に、軽量モデルは本質的な時間的モデリング能力を活用し、不整合予測を段階的に補正し、イテレーション全体の精度を高める。
最後に、ループを閉じるためにサイクルリプレイ戦略が採用され、改良されたより正確な予測がその後の繰り返しの監視信号として利用され、ラベルの品質とモデル能力の両方の自己強化進化が促進される。
広範囲にわたる実験により、LaSTはゼロショットの外科的位相認識のために目に見えない領域への堅牢な適応を達成し、ベースライン(PeskaVLP)を24.85\%-43.17\%の精度で上回り、完全に監督された線形プローブといくつかの最先端のショットアプローチを超越している。
コードはhttps://github.com/YIYIZH/LaST.comで公開される。
関連論文リスト
- Perceptual Flow Matching for Few-Step Generative Modeling [64.26537634881244]
知覚フローマッチング(Perceptual Flow Matching)は、フローマッチングモデルにおいて、数ステップ生成のためのフレームワークである。
PFMは、適切な表現空間で教師される際に、高品質な数ステップジェネレータを生成する。
論文 参考訳（メタデータ） (2026-07-03T17:55:01Z) - Curvature-Adaptive Consistency Flow Matching: Autonomous Trajectory Optimization via Reinforcement Learning [8.422673935994451]
連続蒸留は拡散モデルの推論を 著しく加速させました
本稿では,静的サンプリングの限界に対処するため,曲率適応整合フローマッチングを提案する。
提案手法は,FLUXやSDXLといった大規模モデルに対して,最新の結果を実現する。
論文 参考訳（メタデータ） (2026-06-21T08:49:50Z) - Bridging the Morphology Gap: Adapting VLA Models to Dexterous Manipulation via Intent-Conditioned Fine-Tuning [7.018869512628755]
InDexは、クロスモルフォロジーのセマンティック継承に根ざした、新しいデータ効率適応フレームワークである。
InDexは、最小限のデモデータで複雑なスキルを習得し、モノリシックなベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2026-06-10T14:03:52Z) - One Step Closer to Ground Truth: A Multi-Scale Residual-Aware Representation Learning Pipeline for Predicting Time Series Data [6.704099492625706]
本稿では,予測と残差学習を表現学習の異なる段階に明確に分離する2段階のモデル非依存フレームワークを提案する。
このパイプラインを仮説空間拡張として定式化することにより、我々のフレームワークは単一ステージアーキテクチャに固有の近似制限に対処する。
論文 参考訳（メタデータ） (2026-06-09T10:31:54Z) - U-STS-LLM A Unified Spatio-Temporal Steered Large Language Model for Traffic Prediction and Imputation [6.194596351746244]
U-STS-LLM は,時空間操舵 LLM 上に構築された統合フレームワークである。
我々の中心となる革新は動的S-Loコンカレントアテンションバイアスジェネレータであり、過渡的なノイズ状態を持つ永続関数グラフを合成する。
U-STS-LLMは、長距離予測と高損失レート計算の両方において、新しい最先端性能を確立することを実世界のセル・データセットで実証した。
論文 参考訳（メタデータ） (2026-05-12T08:16:22Z) - LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。
LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
論文 参考訳（メタデータ） (2026-05-11T09:54:02Z) - Abstain Mask Retain Core: Time Series Prediction by Adaptive Masking Loss with Representation Consistency [4.047219770183742]
時系列予測はエネルギー管理や金融市場といった重要な領域において重要な役割を担っている。
本研究は, 履歴データを適切に切り詰めることによって予測精度を向上させるという, 直感に反する現象を明らかにする。
本稿では,適応的マスキング・ロス(Adaptive Masking Loss)と表現整合性(Representation Consistency)を提案する。
論文 参考訳（メタデータ） (2025-10-22T19:23:53Z) - SynCast: Synergizing Contradictions in Precipitation Nowcasting via Diffusion Sequential Preference Optimization [62.958457694151384]
本研究では,大規模な言語モデルにおける人的フィードバックからの強化学習の成功を動機として,降水量の最適化を初めて導入する。
第一段階では、フレームワークはFARを減らすことに焦点を当て、誤報を効果的に抑えるためにモデルを訓練する。
論文 参考訳（メタデータ） (2025-10-22T16:11:22Z) - Inference-Time Scaling of Diffusion Language Models with Particle Gibbs Sampling [70.8832906871441]
我々は、モデルを再訓練することなく、所望の報酬に向けて世代を操る方法を研究する。
従来の手法では、通常は1つの認知軌道内でサンプリングやフィルタを行い、軌道レベルの改善なしに報酬をステップバイステップで最適化する。
本稿では,拡散言語モデル(PG-DLM)の粒子ギブスサンプリングについて紹介する。
論文 参考訳（メタデータ） (2025-07-11T08:00:47Z) - Elucidated Rolling Diffusion Models for Probabilistic Weather Forecasting [52.6508222408558]
Eucidated Rolling Diffusion Models (ERDM)を紹介する。
ERDMはEucidated Diffusion Models (EDM) の原理的, 性能的設計とローリング予測構造を統一する最初のフレームワークである
2D Navier-StokesシミュレーションとERA5グローバル気象予報の1.5円解像度では、ERDMはキー拡散ベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2025-06-24T21:44:31Z) - Enhancing Robustness of Vision-Language Models through Orthogonality Learning and Self-Regularization [77.62516752323207]
そこで本研究では,事前訓練した重みを効率よく微調整する直交微調整法を導入し,頑健さと一般化の強化を実現した。
自己正規化戦略は、OrthSRと呼ばれるVLMのゼロショット一般化の観点から安定性を維持するためにさらに活用される。
筆者らはCLIPとCoOpを再検討し,少数の画像のクラスフィシエーションシナリオにおけるモデルの改善を効果的に行う。
論文 参考訳（メタデータ） (2024-07-11T10:35:53Z) - Adaptive Diffusion Priors for Accelerated MRI Reconstruction [0.9895793818721335]
ディープMRI再構成は、完全にサンプリングされたデータと整合したイメージを復元するために、アンサンプされた取得をデエイリアス化する条件付きモデルで一般的に行われる。
非条件モデルは、画像演算子に関連する領域シフトに対する信頼性を向上させるために、演算子から切り離された生成画像の事前を学習する。
本稿では,MRI 再構成に先立つ適応拡散 AdaDiff を提案する。
論文 参考訳（メタデータ） (2022-07-12T22:45:08Z)
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。