Endo-Depth-and-Motion：利用深度网络与光度约束的内镜视频重建与跟踪
计算机视觉与模式识别
2021-07-06 v2 机器学习
机器人学
摘要
从体内视频估计场景重建与相机运动具有挑战性，原因包括体内腔体形变或纹理缺失等因素。本文提出Endo-Depth-and-Motion，一种从单目内镜视频估计6自由度相机位姿与稠密3D场景模型的流程。我们的方法利用自监督深度网络的最新进展生成伪RGBD帧，随后使用光度残差跟踪相机位姿，并将配准的深度图融合为体素表示。我们在公开数据集Hamlyn上进行了广泛的实验评估，展示了高质量结果并与相关基线进行比较。我们还发布了所有模型与代码以供未来比较。
引用
@article{arxiv.2103.16525,
title = {Endo-Depth-and-Motion: Reconstruction and Tracking in Endoscopic Videos using Depth Networks and Photometric Constraints},
author = {David Recasens and José Lamarca and José M. Fácil and J. M. M. Montiel and Javier Civera},
journal= {arXiv preprint arXiv:2103.16525},
year = {2021}
}