用于腹腔镜手术的自监督视频去烟

由于收集真实成对数据的困难，大多数现有去烟方法通过合成烟雾来训练模型，在真实手术场景中泛化性较差。尽管少数工作以无监督学习方式探索了单图像真实世界去烟，但它们在处理浓烟时仍面临挑战。在这项工作中，我们通过引入自监督手术视频去烟来共同解决这些问题。一方面，我们观察到在高能量设备激活前捕获的帧通常是清晰的（称为烟雾前帧，PS帧），因此它可以作为其他含烟帧的监督，使得真实世界自监督视频去烟在实践中可行。另一方面，为了提升去烟性能，我们进一步将PS帧中的有价值信息输入模型，并提出了掩蔽策略和正则化项以避免平凡解。此外，我们构建了一个用于去烟的真实手术视频数据集，涵盖了多种烟雾场景。在该数据集上的大量实验表明，我们的SelfSVD能够比最先进的方法更有效、更高效地去除烟雾，同时恢复出更多照片级真实的细节。数据集、代码和预训练模型可在 \url{https://github.com/ZcsrenlongZ/SelfSVD} 获取。