FLAIR无参考手术视频生成框架发布

Tsz-Yui Qin等作者提出FLAIR，一个流引导潜在动作注入的手术视频生成框架。它从真实手术视频的光流中学习动作先验，由输入提示词动态预测潜在动作表示并注入冻结的基座模型，从而仅凭文本即可生成手术视频，无需掩码或轨迹等辅助条件。 作者同时构建了首个大规模以动作为中心的手术视觉数据集SurgActionClip-30K，以及首个手术领域专用评测指标SurgMetrics。作者称实验显示SurgMetrics与人类感知的对齐优于传统指标。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。