C$^3$Fusion：一致对比结肠融合，迈向结肠镜中的深度SLAM
计算机视觉与模式识别
2022-06-07 v1 人工智能
机器学习
摘要
从光学结肠镜（OC）进行三维结肠重建以检测未检查表面仍是一个未解决的问题。挑战源于光学结肠镜数据的特性：高反射低纹理表面、剧烈光照变化以及频繁的跟踪丢失。近期方法展示了令人信服的结果，但存在以下缺陷：(1) 脆弱的帧间（或帧到模型）位姿估计导致许多跟踪失败；或 (2) 依赖点云表示而牺牲扫描质量。本文提出一种端到端解决这些问题的新型重建框架，从而实现定量与定性均准确且鲁棒的三维结肠重建。我们的SLAM方法利用基于对比深度特征的对应关系和深度一致深度图，估计全局优化位姿，能够从频繁跟踪失败中恢复，并估计全局一致的三维模型；所有均在一个单一框架内完成。我们在多个合成与真实结肠镜视频上进行了广泛实验评估，展示了高质量结果并与相关基线进行了比较。
引用
@article{arxiv.2206.01961,
title = {C$^3$Fusion: Consistent Contrastive Colon Fusion, Towards Deep SLAM in Colonoscopy},
author = {Erez Posner and Adi Zholkover and Netanel Frank and Moshe Bouhnik},
journal= {arXiv preprint arXiv:2206.01961},
year = {2022}
}