StereoMamba：基于长程空间依赖实现 RAMIS 内镜立体视差估计
计算机视觉与模式识别
2026-05-05 v2 人工智能
摘要
立体视差估计对于获取机器人辅助微创手术（RAMIS）中的深度信息至关重要。尽管当前深度学习方法取得了显著进展，但在准确性、鲁棒性和推理速度之间实现最佳平衡仍面临挑战。为此，我们提出了 StereoMamba 架构，专为 RAMIS 中的立体视差估计设计。我们的方法基于 novel Feature Extraction Mamba（FE-Mamba）模块，增强了单元和跨立体图像中的长程空间依赖性。为有效整合 FE-Mamba 来自不同尺度的特征，我们又引入了 novel Multidimensional Feature Fusion（MFF）模块。针对 ex-vivo SCARED 数据集上的基准测试实验表明，StereoMamba 在 EPE 为 2.64 像素、深度 MAE 为 2.55 mm 上实现卓越性能，Bad2 为 41.49% 和 Bad3 为 26.99% 分别位列第二，同时保持 21.28 FPS 的推理速度（处理成对高分辨率图像 1280*1024），在准确性、鲁棒性和效率之间实现最佳平衡。此外，通过将由重建左图生成的视差图生成的合成右图与实际右图进行比较，StereoMamba 在平均 SSIM（0.8970）和 PSNR（16.0761）上取得最佳值，展现出在 in-vivo RIS2017 和 StereoMIS 数据集上强大的零样本泛化能力。
引用
@article{arxiv.2504.17401,
title = {StereoMamba: Real-time and Robust Intraoperative Stereo Disparity Estimation via Long-range Spatial Dependencies},
author = {Xu Wang and Jialang Xu and Shuai Zhang and Baoru Huang and Danail Stoyanov and Evangelos B. Mazomenos},
journal= {arXiv preprint arXiv:2504.17401},
year = {2026}
}