Buchumschlag

Bridging Vision and Language for Robust Context-Aware Surgical Point Tracking: The VL-SurgPT Dataset and Benchmark

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Rulin, He, Wenlong, Wang, An, Zhang, Jianhang, Zeng, Xuanhui, Zhang, Xi, Zhu, Chaowei, Hu, Haijun, Ren, Hongliang
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

Endo-TTAP: Robust Endoscopic Tissue Tracking via Multi-Facet Guided Attention and Hybrid Flow-point Supervision
von: Zhou, Rulin, et al.
Veröffentlicht: (2025)

SurgAtt-Tracker: Online Surgical Attention Tracking via Temporal Proposal Reranking and Motion-Aware Refinement
von: Zhou, Rulin, et al.
Veröffentlicht: (2026)

SurgSora: Object-Aware Diffusion Model for Controllable Surgical Video Generation
von: Chen, Tong, et al.
Veröffentlicht: (2024)

Surgical Visual Understanding (SurgVU) Dataset
von: Zia, Aneeq, et al.
Veröffentlicht: (2025)

SurgVLM: A Large Vision-Language Model and Systematic Evaluation Benchmark for Surgical Intelligence
von: Zeng, Zhitao, et al.
Veröffentlicht: (2025)

RoboSurg-VQA: A Multimodal Benchmark for Surgical Segmentation-Aware Visual Question Answering
von: Zhang, Chengyi, et al.
Veröffentlicht: (2026)

SurgPose: a Dataset for Articulated Robotic Surgical Tool Pose Estimation and Tracking
von: Wu, Zijian, et al.
Veröffentlicht: (2025)

TAPTRv3: Spatial and Temporal Context Foster Robust Tracking of Any Point in Long Video
von: Qu, Jinyuan, et al.
Veröffentlicht: (2024)

SurgPLAN++: Universal Surgical Phase Localization Network for Online and Offline Inference
von: Chen, Zhen, et al.
Veröffentlicht: (2024)

SurgWound-Bench: A Benchmark for Surgical Wound Diagnosis
von: Xu, Jiahao, et al.
Veröffentlicht: (2025)

SurgPub-Video: A Comprehensive Surgical Video Dataset for Enhanced Surgical Intelligence in Vision-Language Model
von: Li, Yaoqian, et al.
Veröffentlicht: (2025)

SurgMLLMBench: A Multimodal Large Language Model Benchmark Dataset for Surgical Scene Understanding
von: Choi, Tae-Min, et al.
Veröffentlicht: (2025)

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

BleedOrigin: Dynamic Bleeding Source Localization in Endoscopic Submucosal Dissection via Dual-Stage Detection and Tracking
von: Xu, Mengya, et al.
Veröffentlicht: (2025)

SurgTrack: CAD-Free 3D Tracking of Real-world Surgical Instruments
von: Guo, Wenwu, et al.
Veröffentlicht: (2024)

Point Tracking in Surgery--The 2024 Surgical Tattoos in Infrared (STIR) Challenge
von: Schmidt, Adam, et al.
Veröffentlicht: (2025)

SurgTPGS: Semantic 3D Surgical Scene Understanding with Text Promptable Gaussian Splatting
von: Huang, Yiming, et al.
Veröffentlicht: (2025)

MathCoder-VL: Bridging Vision and Code for Enhanced Multimodal Mathematical Reasoning
von: Wang, Ke, et al.
Veröffentlicht: (2025)

SurgCoT: Advancing Spatiotemporal Reasoning in Surgical Videos through a Chain-of-Thought Benchmark
von: Wang, Gui, et al.
Veröffentlicht: (2026)

VL-RouterBench: A Benchmark for Vision-Language Model Routing
von: Huang, Zhehao, et al.
Veröffentlicht: (2025)

SurgRIPE challenge: Benchmark of Surgical Robot Instrument Pose Estimation
von: Xu, Haozheng, et al.
Veröffentlicht: (2025)

HieraSurg: Hierarchy-Aware Diffusion Model for Surgical Video Generation
von: Biagini, Diego, et al.
Veröffentlicht: (2025)

SurgOnAir: Hierarchy-Aware Real-Time Surgical Video Commentary
von: He, Jingyi, et al.
Veröffentlicht: (2026)

Intuitive Surgical SurgToolLoc and SurgVU Challenges Results: 2022-2025
von: Zia, Aneeq, et al.
Veröffentlicht: (2023)

SurgBench: A Unified Large-Scale Benchmark for Surgical Video Analysis
von: Wei, Jianhui, et al.
Veröffentlicht: (2025)

SurgVidLM: Towards Multi-grained Surgical Video Understanding with Large Language Model
von: Wang, Guankun, et al.
Veröffentlicht: (2025)

Bridging Symmetry and Robustness: On the Role of Equivariance in Enhancing Adversarial Robustness
von: Wang, Longwei, et al.
Veröffentlicht: (2025)

CoPESD: A Multi-Level Surgical Motion Dataset for Training Large Vision-Language Models to Co-Pilot Endoscopic Submucosal Dissection
von: Wang, Guankun, et al.
Veröffentlicht: (2024)

SurgMotion: A Video-Native Foundation Model for Universal Understanding of Surgical Videos
von: Wu, Jinlin, et al.
Veröffentlicht: (2026)

SurgXBench: Explainable Vision-Language Model Benchmark for Surgery
von: Cheng, Jiajun, et al.
Veröffentlicht: (2025)

GroundedSurg: A Multi-Procedure Benchmark for Language-Conditioned Surgical Tool Segmentation
von: Ashraf, Tajamul, et al.
Veröffentlicht: (2026)

Adapting SAM for Surgical Instrument Tracking and Segmentation in Endoscopic Submucosal Dissection Videos
von: Yu, Jieming, et al.
Veröffentlicht: (2024)

SPA-VL: A Comprehensive Safety Preference Alignment Dataset for Vision Language Model
von: Zhang, Yongting, et al.
Veröffentlicht: (2024)

Context-Aware Academic Emotion Dataset and Benchmark
von: Zhao, Luming, et al.
Veröffentlicht: (2025)

Bench2Drive-VL: Benchmarks for Closed-Loop Autonomous Driving with Vision-Language Models
von: Jia, Xiaosong, et al.
Veröffentlicht: (2026)

SurgCheck: Do Vision-Language Models Really Look at Images in Surgical VQA?
von: Shin, Jongmin, et al.
Veröffentlicht: (2026)

SurgRAW: Multi-Agent Workflow with Chain of Thought Reasoning for Robotic Surgical Video Analysis
von: Low, Chang Han, et al.
Veröffentlicht: (2025)

ReSW-VL: Representation Learning for Surgical Workflow Analysis Using Vision-Language Model
von: Kondo, Satoshi
Veröffentlicht: (2025)

VL-UniTrack: A Unified Framework with Visual-Language Prompts for UAV-Ground Visual Tracking
von: Xu, Boyue, et al.
Veröffentlicht: (2026)

TAPTR: Tracking Any Point with Transformers as Detection
von: Li, Hongyang, et al.
Veröffentlicht: (2024)