论文阅读-fine-CLIP: Enhancing Zero-Shot Fine-Grained Surgical Action Recognition with Vision-Language Models

本文从“CLIP缺少细粒度的语义和上下文信息”的观察出发，针对医疗视频三元组识别任务对CLIP进行了改进，并提供了一个经过大量训练的预训练模型。

2025-03-30发布于论文随笔