基于合成到真实域适应的支气管镜深度估计增强
图像与视频处理
2024-11-08 v1 计算机视觉与模式识别
摘要
单目深度估计在通用成像任务中展现出前景，有助于定位和三维重建。虽然在各种领域均有效，但其在支气管镜图像中的应用因缺乏标注数据而受到阻碍，使得监督学习方法的使用面临挑战。在本工作中，我们提出了一种迁移学习框架，利用带有深度标签的合成数据进行训练，并适应领域知识以实现对真实支气管镜数据的准确深度估计。我们的网络通过域适应在真实视频上展示了相比仅使用合成数据训练所提升的深度预测能力，验证了我们的方法。
引用
@article{arxiv.2411.04404,
title = {Enhancing Bronchoscopy Depth Estimation through Synthetic-to-Real Domain Adaptation},
author = {Qingyao Tian and Huai Liao and Xinyan Huang and Lujie Li and Hongbin Liu},
journal= {arXiv preprint arXiv:2411.04404},
year = {2024}
}