PhySe-RPO：拡散ベースの手術用煙除去のための、物理とセマンティクスに導かれる相対ポリシー最適化

Abstract

外科手術時のスモークは術中ビデオの品質を著しく劣化させ、解剖学的構造を見えなくし、外科的認識を制限します。既存の学習ベースの脱スモーク手法は、乏しい対応付けられた教師データと決定論的な復元パイプラインに依存しているため、実際の手術環境下で探索や強化学習駆動の洗練を行うことが困難です。我々は、Physics-およびSemantics-Guided Relative Policy Optimization によって最適化された拡散復元フレームワーク PhySe-RPO を提案します。中核となる考え方は、決定論的な復元を確率的方策へと変換し、グループ相対最適化による群相対の更新を通じて、軌跡レベルでの探索と critic（批評家）不要の更新を可能にすることです。物理ガイド付き報酬は照明と色の一貫性を課し、CLIP ベースの外科概念から学習された視覚概念のセマンティック報酬は、スモークのない状態で解剖学的に整合した復元を促進します。さらに、参照なしの知覚制約と組み合わせることで、PhySe-RPO は、合成および実環境のロボット外科データセットにわたって、物理的に整合的で、セマンティックに忠実で、臨床的に解釈可能な結果を生成します。これは、乏しい対応付けられた教師データのもとで、頑健な拡散ベース復元を実現するための原理的な道筋を提供します。