Mengapa pengenalan fase secara daring merupakan tugas yang sulit
Sistem daring yang memantau jalannya operasi harus mengeluarkan label tahap saat ini pada setiap bingkai baru. Sistem tidak memiliki bingkai masa depan: sistem hanya dapat mengandalkan apa yang telah dilihat. Sementara itu, operasi berlangsung berjam-jam, dan biaya pemrosesan satu bingkai tidak boleh bertambah seiring bertambahnya jam rekaman. Jika tidak, model tidak akan mampu lagi bekerja secara real-time.
Secara formal, arsitektur berulang berbasis SSD — structured state-space duality — sesuai dengan batasan ini. Arsitektur tersebut memindahkan seluruh riwayat ke dalam keadaan tersembunyi, dan jumlah komputasi per bingkai tetap tetap. Tetapi lapisan SSD memiliki karakteristiknya sendiri: transisi di dalam setiap kepala ditentukan oleh satu skalar. Skalar ini secara bersamaan menentukan "ke mana" bingkai saat ini akan masuk ke dalam keadaan dan seberapa cepat informasi dari keadaan akan dilupakan.
Untuk operasi video, hubungan yang kaku seperti ini menjadi penghalang. Pola visual — tampilan instrumen, jaringan, area yang diminati — berulang pada tahap yang berbeda. Kemunculan gambar baru ditulis di atas yang lama, dan akibatnya dua episode yang serupa hanya berbeda dalam seberapa lama episode tersebut terjadi. Fungsi kerugian tidak memberikan sinyal eksplisit kepada model tentang kapan tepatnya konten lama dari keadaan tidak lagi berguna. Selain itu, fase-fase itu sendiri bisa memiliki panjang yang sangat bervariasi: beberapa berlangsung beberapa detik, yang lain merupakan bagian yang signifikan dari keseluruhan prosedur, dan secara visual operasi dapat terlihat hampir tidak berubah.
Pemrograman ulang keadaan dan manajemen pelupaan
Penulis karya ini — Sukju Oh dan Sukkyu Sun — mengusulkan model SurgicalMamba untuk ini. Solusinya bukan dengan sepenuhnya mengganti lapisan berulang, melainkan dengan memperbaiki perilaku keadaan yang dibawa.
Mekanisme pertama disebut state regramming — pemrograman ulang keadaan. Di batas setiap potongan yang diproses, vektor tersembunyi tidak hanya diteruskan, tetapi juga diputar dengan sudut yang bergantung pada konten potongan saat ini. Berkat ini, dua fragmen serupa yang di antaranya terdapat fase lain masuk ke area yang berbeda dari ruang keadaan dan tidak lagi saling menimpa. Model dapat membedakannya berdasarkan konteks, bukan hanya berdasarkan usia.
Mekanisme kedua adalah modulasi peluruhan pada transisi fase. Ketika model menandai batas antar tahap, model untuk sementara meningkatkan pelupaan: keadaan dengan cepat dibersihkan dari informasi fase yang telah selesai. Di dalam fase itu sendiri, peluruhan tetap lambat agar konteks tetap terjaga. Intensitas pembersihan disesuaikan sehingga model dapat "bertahan" hingga akhir fase terpanjang dan tidak kehilangan konteks yang diperlukan sebelum waktunya.
Penting bahwa kedua perubahan ini tidak merusak struktur N-semiseperabel SSD, dan dengan demikian jaminan kompleksitas sebelumnya tetap ada: O(d) per bingkai. Model tetap cukup ringan untuk bekerja secara streaming.
Apa yang ditunjukkan oleh pengujian
Pada tujuh tolok ukur publik, SurgicalMamba mencapai tingkat akurasi mutakhir. Pada kumpulan data Cholec80, akurasi daring mencapai 94,6%, dan Jaccard fase — 82,7%. Pada AutoLaparo, hasilnya sedikit lebih rendah, tetapi tetap signifikan: masing-masing 89,5% dan 68,9%. Sementara itu, pada satu GPU, model memproses 312,88 bingkai per detik — dengan margin besar untuk real-time.
Jaccard fase di sini lebih penting daripada akurasi biasa: Jaccard memeriksa seberapa besar interval fase yang diprediksi tumpang tindih dengan interval yang sebenarnya. Ini lebih ketat terhadap kesalahan pada batas, di mana sistem biasanya paling sering melakukan kesalahan.
Menariknya, mekanisme ini tidak hanya berfungsi dalam bedah. Jika hanya operasi rotasi keadaan yang ditambahkan ke Mamba2 standar, operasi tersebut meningkatkan metrik MQAR — kemampuan untuk mengekstrak beberapa elemen yang ditemui sebelumnya dari konteks yang panjang. Peningkatan muncul tepat di mana keadaan berulang menjadi batasannya. Ini menunjukkan bahwa pemrograman ulang keadaan memecahkan masalah yang lebih umum dari model berulang, bukan hanya tugas pengenalan tahap bedah.
