論文の概要: STEP: Surgical Point Tracking from Sparse Endpoints and Pseudo-trajectories

• arxiv url: http://arxiv.org/abs/2610.31951v1
• Date: Thu, 22 Oct 2026 21:56:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.302787
• Title: STEP: Surgical Point Tracking from Sparse Endpoints and Pseudo-trajectories
• Title（参考訳）: STEP:スパースエンドポイントと擬似軌道からの手術点追跡
• Abstract要約: 外科的ビデオから学習するフレームワークSTEPについて述べる。 STIR-to-VL-SurgPT転送では、時間ステレオ結合の選択はエンドポイントエラーを7.0%削減する。 これらの結果は、手術点トラッカーを訓練するための、硬化した軌跡と物理観測を組み合わせることを支援する。
• 参考スコア（独自算出の注目度）: 35.63201177810338
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Surgical point tracking requires persistent correspondence through tissue deformation and occlusion, yet dense trajectory annotations are costly to obtain. We present STEP, a two-stage framework that learns from surgical video and sparse physical endpoints. First, a frozen offline teacher generates candidate trajectories, and temporal reversibility and stereo consistency select dense supervision for a causal student. Second, a robust physical endpoint loss anchors terminal correspondence, while a round-trip loss constrains temporal consistency. A gradient-free prefix exposes training to accumulated drift, while a final differentiable window bounds activation memory. The trained tracker processes a single RGB stream with fixed weights. In STIR-to-VL-SurgPT transfer, temporal-stereo union selection reduces endpoint error by 7.0% relative to unfiltered trajectories. On a post-hoc diagnostic of 29 VL-SurgPT clips excluded from the endpoint-training manifest, STEP reduces endpoint error from 31.52 to 16.80 pixels relative to dense-label fine-tuning. These results support combining curated trajectories with physical observations to train surgical point trackers.
• Abstract（参考訳）: 外科的点追跡には、組織変形と閉塞による持続的な対応が必要であるが、高密度な軌跡アノテーションを得るにはコストがかかる。 手術ビデオから学習する2段階のフレームワークSTEPについて述べる。 まず、凍結したオフライン教師が候補軌跡を生成し、時間的可逆性と立体的整合性は、因果的学生に対する厳密な監督を選択する。 第二に、堅牢な物理的エンドポイントロスは端末対応をアンカーし、ラウンドトリップロスは時間的一貫性を制約する。 勾配のないプレフィックスはトレーニングを蓄積ドリフトに公開し、最終的な微分可能なウィンドウはアクティベーションメモリにバウンドする。 トレーニングされたトラッカーは、固定重み付き単一のRGBストリームを処理する。 STIR-to-VL-SurgPT転送では、時間ステレオ結合の選択により、未フィルタリング軌道に対してエンドポイントエラーが7.0%減少する。 エンドポイントトレーニングマニフェストから除外された29本のVL-SurgPTクリップのホック後診断において、STEPは、高密度ラベルの微調整と比較して、エンドポイントエラーを31.52から16.80ピクセルに削減する。 これらの結果は、手術点トラッカーを訓練するための、硬化した軌跡と物理観測を組み合わせることを支援する。

関連論文リスト

• Flash-OPD: Fast On-Policy Distillation [37.73834570278192]
  オンライン蒸留(OPD)は、学生が生み出す軌跡の教師の集中的な監督を提供するが、長期にわたるロールアウトの生成と評価は、かなりの訓練コストをもたらす。 ロールアウト水平制御から適応軌道レベルの境界検証へ移行する*Flash-OPD*を提案する。 Flash-OPD* は標準的な OPD よりも2.2times$-7.5times$スピードアップを達成し、精度を維持または改善している。
  論文  参考訳（メタデータ） (2026-10-05T10:36:57Z)
• Spatiotemporal Distillation via Recurrent Bottlenecks for Aortic Tracking [1.898768451389131]
  心循環を利用した知識蒸留フレームワークを提案する。 この枠組みは、空間教師の専門知識を時間的時間的学生ネットワークに蒸留する。 この戦略により、シネアテンポの学生モデルは、より優れた表面追跡精度を実現することができる。
  論文  参考訳（メタデータ） (2026-08-24T22:37:47Z)
• Toward surface-based registration of a virtual preoperative cutting guide onto the mandible for reconstruction surgery [8.636647142945273]
  患者固有の切削ガイドはCT(Computerd tomography)ベースのプランを手術室に転送する。 印刷されたガイドは、コストとリードタイムを増し、製造後に適応できず、不妊症が失われた場合、手術を中断する可能性がある。 表面形状から被曝下顎に仮想切削ガイドを登録するマーカーレス拡張現実(AR)の代替品について検討する。
  論文  参考訳（メタデータ） (2026-08-06T21:15:59Z)
• FlowCTS: On-policy Continuous Trajectory Supervision of Flow Models [65.32587991232592]
  フロー連続軌道スーパービジョン(FlowCTS)を提案する。 FlowCTSは、同じ学生訪問状態の学生と参照軌跡とを一致させる。 マルチ参照設定では、単一状態のFlowCTS-OPDはバニラKLベースのOPDよりも高速な収束で性能が向上する。
  論文  参考訳（メタデータ） (2026-07-27T15:03:22Z)
• Adaptive Depth in Looped Transformers: Diagnosing Learned Halting Gates and Trajectory Readouts [16.36140240070991]
  ループ変換器の適応深度をトラジェクトリ・リードアウトレンズを用いて検討する。 固定最優先深度監視は,その中間状態が有用な停止信号を示す難易度対応トラジェクトリを生成する。 ループ変換器の適応深さを軌跡形成と出口読み出しの連成問題として再検討した。
  論文  参考訳（メタデータ） (2026-07-08T02:54:03Z)
• QueST: Persistent Queries as Semantic Monitors for Drift Suppression in Long-Horizon Tracking [2.064813317204182]
  QueSTは、インタラクション関連エンティティを永続的なセマンティッククエリとして扱う、モニタリング・バイ・デザインのフレームワークである。 ローカルなプロパゲーションの代わりに、各クエリは、各ステップ毎のグローバルなオーバータイムビデオ機能に出席する。 QueSTは67.7%の絶対点誤差(APE)を達成するための終端ドリフトを大幅に削減する 以上の結果から, セマンティックモニタリングを直接知覚に組み込むことにより, より信頼性の高い長距離追跡が可能であることが示唆された。
  論文  参考訳（メタデータ） (2026-05-10T12:48:01Z)
• On the Convergence of Gradient Descent for Large Learning Rates [55.33626480243135]
  固定ステップサイズを使用すると収束が不可能であることを示す。 正方形損失を持つ線形ニューラルネットワークの場合,これを証明した。 また、勾配に対するリプシッツ連続性のような強い仮定を必要とせず、より一般的な損失に対する収束の不可能性も証明する。
  論文  参考訳（メタデータ） (2024-02-20T16:01:42Z)
• Point Cloud Completion by Learning Shape Priors [74.80746431691938]
  形状の先行には、完全点雲と部分点雲の両方の幾何学的情報が含まれる。 完全点から先行する形状を学習するための特徴アライメント戦略を設計し、微細な段階で部分的な事前を組み込むための粗い微妙な戦略を設計する。 我々はポイントクラウド完了タスクで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-08-02T04:00:32Z)
• Cascaded Regression Tracking: Towards Online Hard Distractor Discrimination [202.2562153608092]
  本稿では,2段階の逐次回帰トラッカーを提案する。 第1段階では, 容易に同定可能な負の候補を抽出する。 第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
  論文  参考訳（メタデータ） (2020-06-18T07:48:01Z)
• The Break-Even Point on Optimization Trajectories of Deep Neural Networks [64.7563588124004]
  この軌道上の「破滅的な」点の存在を論じる。 トレーニングの初期段階での大きな学習率を用いることで、勾配のばらつきが軽減されることを示す。 また, バッチ正規化層を有するニューラルネットワークにおいても, 低学習率を用いることで損失面の条件が悪くなることを示す。
  論文  参考訳（メタデータ） (2020-02-21T22:55:51Z)

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。