SurgTracker：过滤式自蒸馏半监督框架助力合成训练点跟踪器适配 ！

主要观点总结

本文介绍了SurgTracker，一个半监督框架，用于通过过滤式自蒸馏技术将合成训练的点跟踪器应用于手术视频。该框架在手术视频中实现了鲁棒的实时性能，仅使用未标注的视频即可提高跟踪性能。

关键观点总结

关键观点1: SurgTracker的设计原理

SurgTracker利用一个固定的教师模型生成伪标签，这些伪标签通过循环一致性约束进行过滤以去除噪声轨迹。学生模型与教师模型在架构和初始化上完全相同，随后使用这些过滤后的标签进行微调。

关键观点2: SurgTracker的有效性

在STIR基准测试上的实验表明，SurgTracker仅使用80个未标注视频即可提高跟踪性能，展示了其在高迁移、数据稀缺领域进行鲁棒适应的潜力。

关键观点3: 循环一致性滤波的作用

循环一致性滤波用于提高伪标签的质量，通过识别并丢弃噪声轨迹，从而提高模型的跟踪性能。

关键观点4: SurgTracker与现有方法的比较

与几种最近的点跟踪方法相比，SurgTracker在所有指标上均表现更优，包括MEE、MCD和精度指标。