阴影:通过非兰伯特图像分解进行自我监督的单眼深度估计
Rema Daher1, Francisco Vasconcelos2, Danail Stoyanov2
1Department of Computer Science, UCL Hawkes Institute, University College London, Gower Street, London, WC1E 6BT, UK. rema.daher.20@ucl.ac.uk.
概括
本研究引入了一种新的自我监督模型 (SHADeS),用于3D结肠镜场景重建. 通过模拟镜面反射,它可以改善深度估计和光分解,帮助导航和多体的特征.
科学领域:
- 计算机视觉 计算机视觉
- 医疗成像医学成像
- 计算几何学的计算几何学
背景情况:
- 结肠镜中的3D场景重建有助于导航和息肉分析.
- 照明变化,特别是镜面反射,带来了重大挑战.
- 准确的深度和形状表征对于有效的结肠镜检查至关重要.
研究的目的:
- 调查在结肠镜成像中光线和深度脱的方法.
- 开发一种对复杂的照明和镜面反射具有强度的模型.
- 改进3D场景重建,以提高结肠镜导航和多体特征.
主要方法:
- 推出了一种自主监督的模型,名为SHADeS (阴影,阿尔贝多,深度和光谱).
- SHADeS同时从单个结肠镜图像中估计阴影,白度,深度和光谱.
- 采用非兰伯特模型,将镜面反射视为明确的光成分,与之前的方法不同.
主要成果:
- 证明以前的光分解 (IID) 和深度估计 (MonoViT,ModoDepth2) 模型受到光谱的负面影响.
- SHADeS成功地产生了强大的光分解和深度图,不受光谱区域的影响.
- 对幻影数据 (C3VD) 的定量比较进一步验证了该模型的稳定性.
结论:
- 模拟镜面反射显著提高了结肠镜中深度估计的准确性.
- 提出的自主监督的SHADeS方法有效地整合了光分解和深度估计.
- 改进的光分解显示了诸如结肠位置识别等应用的潜力.


