用于支气管镜深度估计的对抗域特征自适应
图像与视频处理
2021-09-27 v1 计算机视觉与模式识别
摘要
从单目图像进行深度估计是支气管镜导航中定位与三维重建流程的一项重要任务。各种有监督与自监督的基于深度学习的方法已在自然图像上证明了其在该任务上的有效性。然而，标注数据的缺乏以及支气管组织特征匮乏的纹理使得这些方法在支气管镜场景中难以奏效。在本工作中，我们提出了一种替代的域自适应方法。我们新颖的两步结构首先以有监督方式用带标注的合成图像训练一个深度估计网络；随后采用无监督的对抗域特征自适应方案来提升在真实图像上的性能。我们的实验结果表明，所提方法在真实图像上以可观的幅度提升了网络性能，并可用于三维重建流程。
引用
@article{arxiv.2109.11798,
title = {Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation},
author = {Mert Asim Karaoglu and Nikolas Brasch and Marijn Stollenga and Wolfgang Wein and Nassir Navab and Federico Tombari and Alexander Ladikos},
journal= {arXiv preprint arXiv:2109.11798},
year = {2021}
}