医学图像中的Depth Anything：一项比较研究

单目深度估计（MDE）是许多医学跟踪和映射算法的关键组成部分，尤其是在内窥镜或腹腔镜视频中。然而，由于无法从真实患者数据中获取真实深度图，监督学习并不是预测医学场景深度图的可行方法。尽管用于MDE的自监督学习最近受到关注，但其输出难以可靠评估，且每个MDE对其他患者和解剖结构的泛化能力有限。本工作评估了新发布的Depth Anything模型在医学内窥镜和腹腔镜场景上的零样本性能。我们将Depth Anything的准确性和推理速度与在通用场景上训练的其他MDE模型以及在医学数据上训练的域内模型进行了比较。我们的发现表明，尽管Depth Anything的零样本能力相当令人印象深刻，但在速度和性能方面并不一定优于其他模型。我们希望这项研究能够激发进一步的研究，将基础模型应用于医学场景中的MDE。