基于自监督学习的单目内窥镜视频稠密三维重建
计算机视觉与模式识别
2019-09-10 v1
摘要
我们提出了一种基于自监督学习的流程，用于从完整长度的单目内窥镜视频中进行稠密三维重建，无需对解剖结构或光影进行先验建模。我们的方法仅依赖无标签的单目内窥镜视频和传统的多视角立体视觉算法，在训练和应用阶段均不需要人工交互或患者CT数据。在一项以CT扫描为真实值的跨患者研究中，我们证明该方法能够从未见过的患者和内窥镜视频中生成照片级逼真的稠密三维重建，其平均残差误差达到亚毫米级。
引用
@article{arxiv.1909.03101,
title = {Self-supervised Dense 3D Reconstruction from Monocular Endoscopic Video},
author = {Xingtong Liu and Ayushi Sinha and Masaru Ishii and Gregory D. Hager and Russell H. Taylor and Mathias Unberath},
journal= {arXiv preprint arXiv:1909.03101},
year = {2019}
}