論文の概要: TTDF: A Two-Stage Framework for Reliable Surgical Phase Transition Detection

• arxiv url: http://arxiv.org/abs/2609.14624v1
• Date: Sun, 13 Sep 2026 15:50:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.866579
• Title: TTDF: A Two-Stage Framework for Reliable Surgical Phase Transition Detection
• Title（参考訳）: TTDF : 信頼性の高い外科的相転移検出のための2段階フレームワーク
• Abstract要約: 遷移候補を段階的にフィルタリングする因果的枠組みを提案する。 Cholec80の実験では、TTDFはリコールと決定遅延の制御を保ちながら、偽の遷移放出を減らすことが示されている。
• 参考スコア（独自算出の注目度）: 1.6140028376674609
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable workflow transition detection is important for context-aware surgical assistance and downstream decision support. However, online surgical phase recognizers primarily focus on frame-wise accuracy and temporal consistency, rather than the reliability of workflow transition events. Directly converting phase changes into events is unreliable: temporal jitter and workflow-illegal switches produce false or duplicate events, while persistent, workflow-consistent candidates may remain incorrect. To address this limitation, we formulate reliable workflow transition detection as a distinct event-level task operating on outputs of a frozen online phase recognizer. We propose the Two-Stage Transition Detection Framework (TTDF), a causal framework that progressively filters transition candidates. Transition Candidate Extraction (TCE) first applies a minimum-duration requirement and a workflow-graph constraint to remove false candidates caused by temporal jitter and phase transitions not allowed by the workflow graph. Specifically, a candidate is retained only if the predicted target phase persists for a minimum duration and the ordered phase pair belongs to the workflow graph's allowed transition set. TCE thereby produces a high-recall candidate set without additional training. Transition Candidate Verification (TCV) suppresses remaining false candidates using phase-posterior shifts and visual-change cues from frozen DINOv2 features. Events are assessed using a phase-pair-aware one-to-one matching protocol. Experiments on Cholec80 show that TTDF reduces false transition emissions while preserving recall and controlling decision delay.
• Abstract（参考訳）: 信頼性の高いワークフロー遷移検出は、コンテキスト対応の外科的補助と下流意思決定支援に重要である。 しかし、オンライン外科的位相認識器はワークフロー遷移イベントの信頼性よりも、フレーム単位の精度と時間的一貫性に重点を置いている。 一時的なジッタとワークフロー不適切なスイッチは偽または重複イベントを生成するが、永続的でワークフロー一貫性のある候補は正しくない。 この制限に対処するため、冷凍オンライン位相認識器の出力で動作するイベントレベルタスクとして、信頼性の高いワークフロー遷移検出を定式化する。 遷移候補を段階的にフィルタリングする因果的フレームワークである2段階遷移検出フレームワーク(TTDF)を提案する。 遷移候補抽出(TCE)は、まず、ワークフローグラフが許さない時間ジッタと位相遷移に起因する偽候補を除去するために、最小デューレーション要件とワークフローグラフ制約を適用する。 具体的には、予測対象位相が最小限の期間持続し、順序付けられた位相対がワークフローグラフの許容遷移セットに属する場合にのみ、候補が保持される。 これにより、TCEは、追加のトレーニングなしで、ハイリコール候補セットを生成する。 transition Candidate Verification (TCV) は、凍結したDINOv2の特徴から位相後シフトと視覚変化の手がかりを用いて、残った偽候補を抑える。 イベントはフェーズペア対応のワンツーワンマッチングプロトコルを使用して評価される。 Cholec80の実験では、TTDFはリコールと決定遅延の制御を保ちながら、偽の遷移放出を減らすことが示されている。

関連論文リスト

• Autonomous Cyber Defense: Real-Time Attack Detection and Mitigation in Software-Defined Networks Using Machine Learning [78.29352305480285]
  最近の侵入では、最初のアクセスと最初の横移動の間の間隔は27秒と短いことが観察されている。 本稿では,ソフトウェア定義ネットワークにおける攻撃をオペレーターの関与なしに検出・ブロックするクローズドループフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-22T18:38:39Z)
• SEAM: Smooth Execution of Action-Chunked Motion for Vision-Language-Action Policies [26.372187124257362]
  固定長アクションチャンクを実行するVLA(Vision-Language-Action)ポリシーは、マルチモーダル分岐を示す。 フローマッチングVLAのトレーニング不要な推論時間であるSEAM(Smooth Execution of Action-Chunked Motion)を提案する。 pi_0.5のLIBERO-10では、SEAMは境界ジャークを28%減らし、チャンク遷移の不連続を27%減らし、ベースラインレベルのタスク成功を保ち、無誘導ベースライン付近でデノジングループコストを抑える。
  論文  参考訳（メタデータ） (2026-07-06T02:32:10Z)
• StainFlow: Entity-Stain Tracking and Evidence Linking for Process Rewards in GUI Agents [67.03593791535786]
  強化学習(Reinforcement Learning, RL)は、長期のデジタル環境においてGUIエージェントを改善するための有望なアプローチである。 この問題を軽減するため、最近の研究はプロセス・リワード・モデル(PRM)を導入している。 PRMは、グローバルマイルストーン検証やローカルステップレベルの評価を通じて、よりきめ細かいトレーニングフィードバックを提供する。 本稿では,GUIエージェントのためのエンティティ・スタンフロープロセス報酬モデルであるStainFlowを提案する。
  論文  参考訳（メタデータ） (2026-06-05T08:17:28Z)
• TransVLM: A Vision-Language Framework and Benchmark for Detecting Any Shot Transitions [52.61846373082384]
  ショットトランジション検出(STD)は本質的に複雑なトランジションに苦しむ。 本稿では,STDのためのビジョン言語モデル(VLM)フレームワークであるTransVLMを提案する。 広範囲な実験により、TransVLMは全体的な性能が優れていることが示された。
  論文  参考訳（メタデータ） (2026-04-30T15:05:06Z)
• Temporal Taskification in Streaming Continual Learning: A Source of Evaluation Instability [2.011258852765398]
  Streaming Continual Learning (CL) は通常、連続的なストリームを時間分割を通じて個別のタスクのシーケンスに変換する。 塑性および安定性プロファイルに基づくタスク化レベルフレームワーク,タスク化間のプロファイル距離,BPS(Boundary-Profile Sensitivity)を導入する。 9日,30日,44日の分割で,予測誤差,忘れ,後方移動の大幅な変化を観測し,タスク化だけでCL評価に実質的影響を与えることを示した。
  論文  参考訳（メタデータ） (2026-04-23T17:59:54Z)
• When Users Change Their Mind: Evaluating Interruptible Agents in Long-Horizon Web Navigation [46.98726551486937]
  本稿では,長期的,環境に配慮したWebナビゲーションタスクにおいて,割り込み可能なエージェントを初めて体系的に検討する。 我々は、追加、リビジョン、リトラクションを含む3つの現実的な中断タイプを形式化し、InterruptBenchを紹介します。 統合割り込みシミュレーションフレームワークを用いて,シングルターンおよびマルチターン割り込み設定における6つの強力なLDMバックボーンの評価を行った。
  論文  参考訳（メタデータ） (2026-04-01T13:40:28Z)
• Stable Video Infinity: Infinite-Length Video Generation with Error Recycling [76.91310169118408]
  本研究では、高時間一貫性、可視的シーン遷移、制御可能なストリーミングストーリーラインを有する無限長ビデオを生成することができる安定ビデオインフィニティ(SVI)を提案する。 SVIにはError-Recycling Fine-Tuningが組み込まれており、これはDiffusion Transformerの自己生成エラーをスーパーバイザのプロンプトにリサイクルする、新しいタイプの効率的なトレーニングである。 我々は、一貫性、創造性、条件設定を含む3つのベンチマークでSVIを評価し、その汎用性と最先端の役割を徹底的に検証した。
  論文  参考訳（メタデータ） (2025-10-10T09:45:46Z)
• Time-o1: Time-Series Forecasting Needs Transformed Label Alignment [50.54348432664401]
  Time-o1は、時系列予測に適した変換強化学習目標である。 中心となる考え方は、ラベルシーケンスを区別された意味を持つ非相関なコンポーネントに変換することである。 Time-o1は最先端のパフォーマンスを実現し、様々な予測モデルと互換性がある。
  論文  参考訳（メタデータ） (2025-05-23T13:00:35Z)
• FiRST: Finetuning Router-Selective Transformers for Input-Adaptive Latency Reduction [16.84400858871298]
  本稿では、層固有のルータを用いて、各入力シーケンスに対して適応的に変換器層のサブセットを選択することでレイテンシを低減するアルゴリズムであるFiRSTを提案する。 FiRSTは品質を認識しながら高速な推論を可能にするKVキャッシュとの互換性を維持する。 私たちのアプローチでは、入力適応性は重要であり、タスクによって異なるタスク固有の中間層が隠れた表現を進化させる上で重要な役割を担っています。
  論文  参考訳（メタデータ） (2024-10-16T12:45:35Z)
• Real-time Controllable Motion Transition for Characters [14.88407656218885]
  リアルタイムの動作生成はゲームでは普遍的に必要であり、既存のアニメーションパイプラインでは非常に望ましい。 我々のアプローチは、運動多様体と条件遷移という2つの重要な構成要素から構成される。 提案手法は,複数の測定基準の下で測定された高品質な動きを生成できることを示す。
  論文  参考訳（メタデータ） (2022-05-05T10:02:54Z)
• End-to-end Temporal Action Detection with Transformer [86.80289146697788]
  時間的アクション検出(TAD)は、トリミングされていないビデオにおいて、すべてのアクションインスタンスのセマンティックラベルとバウンダリを決定することを目的としている。 そこで我々は,textitTadTR と呼ばれる Transformer によるTAD のエンドツーエンドフレームワークを構築した。 本手法は,HACSセグメンツとTHUMOS14の最先端性能とActivityNet-1.3の競合性能を実現する。
  論文  参考訳（メタデータ） (2021-06-18T17:58:34Z)
• Continuous Transition: Improving Sample Efficiency for Continuous Control Problems via MixUp [119.69304125647785]
  本稿では,連続的遷移を構築するための簡潔かつ強力な手法を提案する。 具体的には、連続的な遷移を線形に補間することにより、トレーニングのための新しい遷移を合成することを提案する。 また, 建設過程を自動案内する判別器を開発した。
  論文  参考訳（メタデータ） (2020-11-30T01:20:23Z)

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。