论文阅读-LLaVA-Surg: Towards Multimodal Surgical Assistant via Structured Lecture Learning

本文主要目标是建立一个在手术视频领域上的视频-文本对的数据集，并且设计了一种较为“资源节约”的能够在本地为此训练一个LLM的方案。

2025-03-30发布于论文随笔