SWoMo：用于白内障手术模拟的神经符号世界模型

arXiv 2026 60.3 method, application

TLDR

SWoMo是一种用于白内障手术模拟的神经符号世界模型，结合了基于规则的运动动力学和基于扩散的视觉真实感。

评分理由

Strengths include a novel decoupling of motion and visual generation, an inverse pairing strategy for sim-to-real translation, and demonstrated generalization and downstream task improvements. Weaknesses are the domain specificity to cataract surgery and potential scalability limits of the rule-based simulator.

Read-first 评分解释

综合优先阅读分 60.3，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 55。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

81.6

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.81615198

主题相关性 29%

78.6

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：实验

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码、GitHub

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：476。

关键词评分

world model

world simulator

video world model

generative world model

world dynamics prediction

interactive world model

model-based reinforcement learning world model

深度分析

创新点

在手术模拟中将运动生成与视觉真实感解耦
符号组件：基于规则的模拟器和场景图表示，用于运动动力学和工具-组织交互
扩散模型生成逼真的视觉外观，包括纹理和组织变形
逆配对策略：在模拟器中重建真实手术视频，获得配对的模拟-真实数据
基于配对数据训练视频扩散模型，实现从模拟到真实的翻译

方法

SWoMo采用神经符号架构：符号组件（基于规则的模拟器与场景图）建模运动动力学和工具-组织交互，扩散模型生成逼真的视觉外观。通过逆配对策略在模拟器中重建真实手术视频，获得配对的模拟和真实视频，进而训练视频扩散模型实现从模拟到真实的翻译。

关键结果

SWoMo在定性和定量上均优于先前工作，展现出对未见交互几何的泛化能力、下游阶段检测的提升以及无监督视频风格迁移。

技术栈

Diffusion modelScene graphRule-based simulatorVideo diffusion modelInverse pairing strategy

资源

论文