Tag · 4 篇
光流
腹腔镜手术视频中出血区域与出血点的协同检测
Synergistic Bleeding Region and Point Detection in Laparoscopic Surgical Videos
把 SAM2 的掩码记忆机制改造成跨任务双向引导：掩码分支的边缘/点提示词嵌入与点分支的掩码记忆诱导点记忆互相喂信息，并用帧间光流补运动线索，这套「分割记忆→点跟踪」的耦合设计可迁移到其他需要同时输出区域与关键点的视频密集预测任务。
Motus：统一的潜动作世界模型
Motus: A Unified Latent Action World Model
把光流当作像素级「delta action」来学习潜动作，并用 UniDiffuser 式调度器在同一个 MoT 主干里切换世界模型、VLA、逆动力学与视频生成模式，为视觉研究者提供了「用视频生成先验做机器人动作预训练」的可复用范式。
MOSAIC-GS：面向复杂动态环境的高级初始化单目场景重建
MOSAIC-GS: Monocular Scene Reconstruction via Advanced Initialization for Complex Dynamic Environments
把深度、光流、动态分割与点跟踪等几何线索在初始化阶段融合，先估计初步三维动态再进入光度优化，这一「先几何初始化、后光度精修」的流程可直接迁移到单目动态 NeRF/3DGS 重建；用 Poly-Fourier 曲线对每个高斯轨迹做参数高效编码，也是动态场景紧凑表示的可复用手段。
Dynamics：基于语言从视频推断刚体动力学的表示方法
Dynamics: Language-Based Representation for Inferring Rigid-Body Dynamics From Videos
将语言作为刚体动力学的统一表示，利用光流作为语义无关输入增强泛化，并通过测试时采样和进化搜索提升物理参数推断精度，为视觉物理推理提供了新范式。