Buchumschlag

Multi-view Video-Pose Pretraining for Operating Room Surgical Activity Recognition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hamoud, Idris, Srivastav, Vinkle, Jamal, Muhammad Abdullah, Mutter, Didier, Mohareri, Omid, Padoy, Nicolas
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Self-Supervised Uncalibrated Multi-View Video Anonymization in the Operating Room
von: Chen, Keqi, et al.
Veröffentlicht: (2026)

Self-supervised Learning via Cluster Distance Prediction for Operating Room Context Awareness
von: Hamoud, Idris, et al.
Veröffentlicht: (2024)

Learning from Synchronization: Self-Supervised Uncalibrated Multi-View Person Association in Challenging Scenes
von: Chen, Keqi, et al.
Veröffentlicht: (2025)

Overcoming Dimensional Collapse in Self-supervised Contrastive Learning for Medical Image Segmentation
von: Hassanpour, Jamshid, et al.
Veröffentlicht: (2024)

HecVL: Hierarchical Video-Language Pretraining for Zero-shot Surgical Phase Recognition
von: Yuan, Kun, et al.
Veröffentlicht: (2024)

CliPPER: Contextual Video-Language Pretraining on Long-form Intraoperative Surgical Procedures for Event Recognition
von: Stilz, Florian, et al.
Veröffentlicht: (2026)

Procedure-Aware Surgical Video-language Pretraining with Hierarchical Knowledge Augmentation
von: Yuan, Kun, et al.
Veröffentlicht: (2024)

SelfPose3d: Self-Supervised Multi-Person Multi-View 3d Pose Estimation
von: Srivastav, Vinkle, et al.
Veröffentlicht: (2024)

Rethinking RGB-D Fusion for Semantic Segmentation in Surgical Datasets
von: Jamal, Muhammad Abdullah, et al.
Veröffentlicht: (2024)

When do they StOP?: A First Step Towards Automatically Identifying Team Communication in the Operating Room
von: Chen, Keqi, et al.
Veröffentlicht: (2025)

fine-CLIP: Enhancing Zero-Shot Fine-Grained Surgical Action Recognition with Vision-Language Models
von: Sharma, Saurav, et al.
Veröffentlicht: (2025)

A Two-Stage Progressive Pre-training using Multi-Modal Contrastive Masked Autoencoders
von: Jamal, Muhammad Abdullah, et al.
Veröffentlicht: (2024)

Adaptation of Multi-modal Representation Models for Multi-task Surgical Computer Vision
von: Walimbe, Soham, et al.
Veröffentlicht: (2025)

End-to-End Learning of Multi-Organ Implicit Surfaces from 3D Medical Imaging Data
von: Zarin, Farahdiba, et al.
Veröffentlicht: (2025)

Where are they looking in the operating room?
von: Chen, Keqi, et al.
Veröffentlicht: (2026)

Text-driven Adaptation of Foundation Models for Few-shot Surgical Workflow Analysis
von: Chen, Tingxuan, et al.
Veröffentlicht: (2025)

Endoshare: A Publicly Available, Surgeons-Friendly Solution to De-Identify and Manage Surgical Videos
von: Arboit, Lorenzo, et al.
Veröffentlicht: (2025)

VidLPRO: A $\underline{Vid}$eo-$\underline{L}$anguage $\underline{P}$re-training Framework for $\underline{Ro}$botic and Laparoscopic Surgery
von: Honarmand, Mohammadmahdi, et al.
Veröffentlicht: (2024)

DExTeR: Weakly Semi-Supervised Object Detection with Class and Instance Experts for Medical Imaging
von: Meyer, Adrien, et al.
Veröffentlicht: (2026)

Learning Multi-modal Representations by Watching Hundreds of Surgical Video Lectures
von: Yuan, Kun, et al.
Veröffentlicht: (2023)

Multi-modal Representations for Fine-grained Multi-label Critical View of Safety Recognition
von: Baby, Britty, et al.
Veröffentlicht: (2025)

SurgLaVi: Large-Scale Hierarchical Dataset for Surgical Vision-Language Representation Learning
von: Perez, Alejandra, et al.
Veröffentlicht: (2025)

State-Change Learning for Prediction of Future Events in Endoscopic Videos
von: Sharma, Saurav, et al.
Veröffentlicht: (2025)

Advancing Surgical VQA with Scene Graph Knowledge
von: Yuan, Kun, et al.
Veröffentlicht: (2023)

Jumpstarting Surgical Computer Vision
von: Alapatt, Deepak, et al.
Veröffentlicht: (2023)

SurgTEMP: Temporal-Aware Surgical Video Question Answering with Text-guided Visual Memory for Laparoscopic Cholecystectomy
von: Li, Shi, et al.
Veröffentlicht: (2026)

CycleSAM: Few-Shot Surgical Scene Segmentation with Cycle- and Scene-Consistent Feature Matching
von: Murali, Aditya, et al.
Veröffentlicht: (2024)

SUREON: A Benchmark and Vision-Language-Model for Surgical Reasoning
von: Perez, Alejandra, et al.
Veröffentlicht: (2026)

AdaEmbed: Semi-supervised Domain Adaptation in the Embedding Space
von: Mottaghi, Ali, et al.
Veröffentlicht: (2024)

On the Role of Depth in Surgical Vision Foundation Models: An Empirical Study of RGB-D Pre-training
von: Han, John J., et al.
Veröffentlicht: (2026)

SurgiTrack: Fine-Grained Multi-Class Multi-Tool Tracking in Surgical Videos
von: Nwoye, Chinedu Innocent, et al.
Veröffentlicht: (2024)

A Skull-Adaptive Framework for AI-Based 3D Transcranial Focused Ultrasound Simulation
von: Srivastav, Vinkle, et al.
Veröffentlicht: (2025)

OphCLIP: Hierarchical Retrieval-Augmented Learning for Ophthalmic Surgical Video-Language Pretraining
von: Hu, Ming, et al.
Veröffentlicht: (2024)

UltraSam: A Foundation Model for Ultrasound using Large Open-Access Segmentation Datasets
von: Meyer, Adrien, et al.
Veröffentlicht: (2024)

Early Operative Difficulty Assessment in Laparoscopic Cholecystectomy via Snapshot-Centric Video Analysis
von: Sharma, Saurav, et al.
Veröffentlicht: (2025)

S4M: 4-points to Segment Anything
von: Meyer, Adrien, et al.
Veröffentlicht: (2025)

Seeing Through Smoke: Surgical Desmoking for Improved Visual Perception
von: Lu, Jingpei, et al.
Veröffentlicht: (2026)

Mitigating Surgical Data Imbalance with Dual-Prediction Video Diffusion Model
von: Venkatesh, Danush Kumar, et al.
Veröffentlicht: (2025)

Surgical Tattoos in Infrared: A Dataset for Quantifying Tissue Tracking and Mapping
von: Schmidt, Adam, et al.
Veröffentlicht: (2023)

Recognizing Surgical Phases Anywhere: Few-Shot Test-time Adaptation and Task-graph Guided Refinement
von: Yuan, Kun, et al.
Veröffentlicht: (2025)