基于2D高斯溅射的遮挡手术场景可靠重建
计算机视觉与模式识别
2026-02-23 v1 图形学
机器人学
摘要
实时重建可变形手术场景对于推进机器人手术、改善外科医生指导和实现自动化至关重要。最近的方法可从Da Vinci机器人手术视频中实现稠密重建，高斯溅射(GS)通过图形加速实现实时性能。然而，遮挡区域的重建质量仍有限，且深度精度尚未完全评估，因为像如EndoNeRF和StereoMIS的基准缺乏3D真值。我们提出Diff2DGS，一个用于遮挡手术场景可靠3D重建的新型两阶段框架。在第一个阶段，一个基于扩散的视频模块带有时序先验，对组织遮挡的器官进行高时空一致性插值。在第二个阶段，我们采用可学习变形模型(LDM)适配2D高斯溅射(2DGS)，以捕获动态组织变形和解剖几何。我们还超越先前的图像质量指标，通过对SCARED数据集进行定性深度精度分析。Diff2DGS在外观和几何方面均优于当前最先进的方法，在EndoNeRF上达到38.02 dB PSNR，在StereoMIS上达到34.40 dB。此外，我们的实验表明，仅优化图像质量并不一定转化为最佳的3D重建精度。为此，我们进一步优化重建3D结果的深度质量，确保不仅高保真外观，还能实现更忠实的几何。
引用
@article{arxiv.2602.18314,
title = {Diff2DGS: Reliable Reconstruction of Occluded Surgical Scenes via 2D Gaussian Splatting},
author = {Tianyi Song and Danail Stoyanov and Evangelos Mazomenos and Francisco Vasconcelos},
journal= {arXiv preprint arXiv:2602.18314},
year = {2026}
}
备注
This work has been submitted to the IEEE for possible publication