内窥镜视频分析

聚焦到感知表征学习：面向内窥镜视频分析的认知启发分层框架

Focus-to-Perceive Representation Learning: A Cognition-Inspired Hierarchical Framework for Endoscopic Video Analysis

针对内窥镜视频中静态病灶语义被运动偏置淹没的问题，提出教师先验自适应掩码加多视图稀疏采样来聚焦帧内病灶区域，再用跨视图掩码特征补全与注意力引导时序预测建模帧间演化；这套「先聚焦静态语义、再感知时序演化」的分层自监督预训练范式可直接迁移到其他标注稀缺、语义静态性强的专业视频域（如超声、手术、遥感时序）。