针对结肠镜深度估计的基础模型参数高效适配的谱校正
计算机视觉与模式识别
2026-03-17 v1
摘要
准确的单目深度估计在结肠镜中对于病灶定位和导航至关重要。在自然图像上训练的基础模型难以直接推广到结肠镜。我们识别出核心问题不在于语义差距，而在于频域上的统计分布迁移：结肠镜图像缺乏强大的高频边缘和纹理梯度，这些模型依赖于进行几何推理。为此，我们提出了SpecDepth，这是一个参数高效适配框架，旨在保留预训练模型的稳健几何表征，同时适应结肠镜领域。其关键创新是一种自适应频谱校正模块，该模块使用可学习的小波分解显式建模并放大特征图中被削弱的高频成分。不同于常规微调可能扭曲高层语义特征的方式，此方法进行针对性的低层调整，使输入信号与基础模型的原始归纳偏差保持一致。在公共数据集 C3VD 和 SimCol3D 上，SpecDepth 实现了最先进的性能，分别达到 0.022 和 0.027 的绝对相对误差。我们的工作表明，直接解决频谱不匹配是为视觉基础模型适配专门医学影像任务的高效策略。代码将在稿件被接受后公开发布。
引用
@article{arxiv.2603.15374,
title = {Spectral Rectification for Parameter-Efficient Adaptation of Foundation Models in Colonoscopy Depth Estimation},
author = {Xiaoxian Zhang and Minghai Shi and Lei Li},
journal= {arXiv preprint arXiv:2603.15374},
year = {2026}
}
备注
15 pages