手术画面描述改用图检索：GRAC在EndoVis-18上把器械-动作-目标三元组完全匹配率提到52.6%
GRAC把手术场景表示为图，从训练集中检索相似的手术活动图-描述对，再比较当前场景与检索场景的器械-组织交互，用比较结果约束生成。在EndoVis-18合并评测集上，它的CIDEr-D为5.88，高于SGT的4.23和最强传统Transformer基线的3.36；器械-动作-目标三元组完全匹配率为52.6%，SGT为32.7%，最强传统基线为26.2%。在TORS数据集上，它的CIDEr-D为5.06，最强基线为3.80。