面向尿液外科机器人视觉去雾的零样本学习
图像与视频处理
2025-09-16 v1 计算机视觉与模式识别
摘要
机器人辅助手术深刻影响了当前 minimally invasive 手术的形式。然而，在尿道下位尿液外科机器人中，它们需要在液体环境中工作。这会导致在做剪切和加热时液体蒸发，产生气泡颗粒化，影响机器人对环境的视觉感知。这可能导致需要中断手术程序，从而延长手术时间。为了解决尿液外科机器人视觉下液体颗粒化特性，我们提出了一种无监督零样本去雾方法 (RSF-Dehaze) 用于尿液外科机器人视觉。具体而言，RSF-Dehaze 提出的区域相似填充模块 (RSFM) 显著改善了模糊区域组织的恢复。此外，我们组织并提出了一个用于机器人视觉的尿液外科去雾数据集 (USRobot-Dehaze 数据集)。特别是，该数据集包含三种最常见的尿液外科机器人操作场景。据我们所知，我们是首次组织并提出可公开获取的用于尿液外科机器人视觉的去雾数据集。所提出的 RSF-Dehaze 在三种尿液外科机器人操作场景中证明了该方法有效性，并与 20 种最经典和先进的去雾和图像恢复算法进行了大量比较实验。所提出的源代码和数据集可在 https://github.com/wurenkai/RSF-Dehaze 上获取。
关键词
引用
@article{arxiv.2410.01395,
title = {Toward Zero-Shot Learning for Visual Dehazing of Urological Surgical Robots},
author = {Renkai Wu and Xianjin Wang and Pengchen Liang and Zhenyu Zhang and Qing Chang and Hao Tang},
journal= {arXiv preprint arXiv:2410.01395},
year = {2025}
}