EndoStreamDepth: 用于内窥镜视频流的时间一致单目深度估计
计算机视觉与模式识别
2026-01-05 v2
摘要
本文提出了EndoStreamDepth，一个用于内窥镜视频流的单目深度估计框架。它为每一帧提供具有清晰解剖边界的精确深度图，跨帧的时间一致预测，以及实时吞吐量。与使用批量输入的先前工作不同，EndoStreamDepth使用时间模块处理单个帧以传播帧间信息。该框架包含三个主要组件：(1) 一个具有内窥镜特定变换的单帧深度网络，以生成精确的深度图；(2) 多级Mamba时间模块，利用帧间信息提高精度并稳定预测；(3) 一个具有全面多尺度监督的分层设计，其中互补的损失项共同改善局部边界清晰度和全局几何一致性。我们在两个公开可用的结肠镜深度估计数据集上进行了全面评估。与最先进的单目深度估计方法相比，EndoStreamDepth显著提高了性能，并生成了具有清晰、解剖对齐边界的深度图，这对于支持诸如机器人手术自动化等下游任务至关重要。代码公开于https://github.com/MedICL-VU/EndoStreamDepth。
引用
@article{arxiv.2512.18159,
title = {EndoStreamDepth: Temporally Consistent Monocular Depth Estimation for Endoscopic Video Streams},
author = {Hao Li and Daiwei Lu and Jiacheng Wang and Robert J. Webster and Ipek Oguz},
journal= {arXiv preprint arXiv:2512.18159},
year = {2026}
}
备注
fixed typo in appendix table 3