Aug, 2024
外科VQLA++：用于机器人手术的对抗性对比学习的标定鲁棒视觉问题定位回答
Surgical-VQLA++: Adversarial Contrastive Learning for Calibrated Robust
Visual Question-Localized Answering in Robotic Surgery
TL;DR本研究针对外科视觉问答（VQA）模型无法准确指示与特定问题相关的视觉区域的问题，提出了外科视觉问题定位回答（VQLA）方法，以实现对外科图像的精确和上下文相关的响应。通过引入校准共注意力门控视觉-语言（C²G-ViL）嵌入以及对抗样本对比学习策略，显著提升了模型的鲁棒性和性能，为外科教育、病人护理和外科结果的改善提供了有效工具。