Kun Yuan发布手术视觉编码器InnerLogic-Surg

1. 20:03
   arXiv · cs.AI

   InnerLogic-Surg：通过持续预训练构建的开放手术视觉基础模型

   InnerLogic-Surg 是一个开放的手术视觉编码器系列（21M–300M 参数），通过在来自 11,965 个网络手术视频、约 2,900 小时、覆盖 15 种以上术式的手术图像上持续预训练 Transformer 图像编码器得到。其训练方案沿用 DINOv3 的预训练阶段以保留表征能力，并加入可学习特征上采样模块，在低 token 成本下实现高分辨率稠密预测。在覆盖工作流、器械与解剖识别、分割、检测和单目深度的 20 项手术任务基准上，最大模型在同架构下取得全部任务的最佳线性探针性能。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。