SurgNarrator

SurgNarrator 框架通过生成式检索增强手术视频理解能力

研究人员推出 SurgNarrator，一个新颖的生成式检索框架，旨在增强手术视频的理解能力。该框架通过平衡全面推理和低延迟来解决现有方法的局限性，这对于时间敏感的临床应用至关重要。SurgNarrator 使用精选的手术特定词汇，并采用时间感知对比目标来调整 Qwen3-VL-Embedding-8B 模型，以学习具有区分性的临床表征。其分层检索策略在零样本设置下显著降低了延迟，同时在十二个基准测试中取得了强劲的性能。