RoboSurg-VQA：面向手术分割感知的视觉问答多模态基准

摘要

该论文提出了RoboSurg-VQA，一个将公开手术分割数据集重新用于分割感知视觉问答的基准，每个帧都配有一组临床驱动的问题。通过约束提示和人工审核生成候选答案，并报告了在挑战性手术条件下的基准统计和评估挑战。