Surg-UniWorld：具备多模态控制专家的统一手术世界模型
论文信息
英文标题：Surg-UniWorld: A Unified Surgical World Model with Multimodal Control Experts
作者：Rulin Zhou, Wanhao Liu, Guoheng Ma, Liangjin Shao et al.（2026）
来源：arXiv:2608.06770v1 | PDF全文
英文标题：Surg-UniWorld: A Unified Surgical World Model with Multimodal Control Experts
作者：Rulin Zhou, Wanhao Liu, Guoheng Ma, Liangjin Shao et al.（2026）
来源：arXiv:2608.06770v1 | PDF全文
中文摘要
可控手术世界模型能为手术AI与仿真提供生成基础。现有方法缺乏统一多模态控制范式，直接融合异构视觉条件常导致解剖扭曲、器械外观漂移、时间不一致。本文提出Surg-UniWorld：从首帧外观和层次语义掩码构建「分层手术锚点」以保留场景身份与交互边界；「锚点相对模态专家」解读边缘/深度/光流证据；「多模态控制专家」生成控制提示给Wan2.2视频扩散骨干。还构建了Cholec80-SurgWAM基准。实验显示其在生成质量、时间一致性、多模态可控性上超越现有方法。
核心贡献与解读
把世界模型用到手术视频生成，统一了多模态控制，给手术仿真和AI训练提供了新基础，医疗AI方向很实用。
关键词
手术世界模型 / 视频扩散 / 多模态控制
