单一PCC:用于对内镜图像单眼深度估计的光度不变周期约束
Zhiwei Wang1, Ying Zhou1, Shiquan He1
1Britton Chance Center for Biomedical Photonics, Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology, Wuhan, 430074, China.
Medical image analysis
|March 13, 2025
概括
这项研究介绍了MonoPCC,这是一种用于自我监督单眼深度估计的新方法,可以克服内镜图像中的亮度不一致. MonoPCC将光度约束重塑为循环形式,使其不变于亮度变化并提高精度.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 机器人技术 机器人技术 机器人技术
背景情况:
- 自主监督的单眼深度估计依赖于光度约束.
- 内镜成像由于明亮度的大幅波动而带来挑战,降低了约束可靠性.
- 现有的方法通常需要额外的模型来校准亮度.
研究的目的:
- 开发一种强大的自我监督单眼深度估计方法,用于具有挑战性的内镜环境.
- 为了解决因亮度不一致而导致的光度约束的不可靠性.
- 在可变的照明条件下提高深度估计的准确性和稳定性.
主要方法:
- 提出 MonoPCC,一种新的方法,将光度约束重塑为循环形式.
- 实现一个闭环曲路径 (目标到源和返回目标) 实现亮度不变.
- 包含相频移植和指数移动平均 (EMA) 策略,以保持稳定性和结构保存.
主要成果:
- 在内镜图像中,MonoPCC显示出对亮度不一致的显著稳定性.
- 在四个内镜数据集中,实现了绝对相对误差减少7.27%,9.38%,9.90%,3.17%.
- 超越最先进的方法,并在户外数据集上显示竞争性结果.
结论:
- MonoPCC为光度约束中的亮度不一致提供了一个彻底的解决方案,用于自我监督的单眼深度估计.
- 该方法在内镜场景中非常有效,在自然环境中具有竞争力.
- 在具有挑战性的视觉条件下为单眼深度估计提供了更可靠和更准确的方法.
