論文の概要: Boosting Generalizable Depth Estimation in Endoscopy by Mixture of Lightweight Experts and Intrinsic Image Alignment

• arxiv url: http://arxiv.org/abs/2608.00415v1
• Date: Sat, 01 Aug 2026 03:35:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:24.646225
• Title: Boosting Generalizable Depth Estimation in Endoscopy by Mixture of Lightweight Experts and Intrinsic Image Alignment
• Title（参考訳）: 軽量専門家と本質的画像アライメントの混合による内視鏡の最大深度推定
• Abstract要約: 内視鏡的シーンにおける深度推定のための新しい自己監督型フレームワークであるEndoMINIが提案されている。 MiLoREはパラメータ効率のよい微調整を実現するために提案されている。 内在性画像アライメント(IIA)をトレーニング損失に導入し、内視鏡における光反射の影響を軽減する。
• 参考スコア（独自算出の注目度）: 12.726508055600219
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Depth estimation is a significant task for 3D perception in endoscopic surgeries. However, illumination interference and feature diversity in various endoscopic scenes are still challenges for generalizable depth estimation and ego-motion estimation. Based on this, a novel self-supervised framework, EndoMINI, is proposed for depth estimation in endoscopic scenes. Specifically, mixture of low-rank experts (MiLoRE) is proposed to perform parameter-efficient fine-tuning, which can also boost the model adaptation to scenes with different characteristics. Meanwhile, an intrinsic image alignment (IIA) is introduced into the training loss to alleviate the influence of light reflectance in endoscopy with a novel intrinsic image decomposition network. The proposed method is evaluated on SCARED datasets for supervised depth estimation, and two endoscopic datasets, Hamlyn and SERV-CT, for zero-shot depth estimation, compared with state-of-the-art works as well. The experimental results demonstrate outstanding performance of the proposed model and the effects of the main contributions.
• Abstract（参考訳）: 内視鏡下手術における奥行き推定は3次元知覚にとって重要な課題である。 しかし、様々な内視鏡シーンにおける照明干渉と特徴の多様性は、一般化可能な深度推定とエゴモーション推定の課題である。 これに基づいて,内視鏡的シーンにおける深度推定のための新しい自己監督型フレームワークであるEndoMINIが提案されている。 具体的には、パラメータ効率のよい微調整を行うために、低ランクの専門家の混合(MiLoRE)を提案する。 一方、内因性画像アライメント(IIA)がトレーニング損失に導入され、内因性画像分解ネットワークによる内視鏡における光反射の影響が軽減される。 提案手法は, 教師付き深度推定のためのSCAREDデータセットと, ゼロショット深度推定のためのハムリンとSERV-CTの2つの内視鏡データセットを用いて評価した。 実験の結果,提案モデルの優れた性能と主な貢献効果が示された。

関連論文リスト

• DeLightMono: Enhancing Self-Supervised Monocular Depth Estimation in Endoscopy by Decoupling Uneven Illumination [12.005563038992923]
  DeLight-Mono - 照度を分離した新しい自己教師型単分子深度推定フレームワークを提案する。 内視鏡画像は、設計された照明反射深度モデルで表現され、補助ネットワークで分解される。 不均一照明が深度推定に与える影響を軽減するために, 疎結合部品を利用した新規な損失を有する自己教師型共同最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-25T08:29:03Z)
• EndoGMDE: Generalizable Monocular Depth Estimation with Mixture of Low-Rank Experts for Diverse Endoscopic Scenes [3.9727779638306484]
  本研究では,多彩な内視鏡における単分子深度推定のための新しい自己監督型フレームワークを提案する。 まず,異なる組織を持つ内視鏡的シーンの多様な特徴を考慮すると,ダイナミックな低ランクの専門家によるブロックワイドな混合が提案されている。 提案モジュールでは,少量のトレーニング可能なパラメータを持つ異なる専門家が重み付き推論に対して適応的に選択される。 提案手法はSCAREDデータセットとSimColデータセットの最先端処理よりも優れている。
  論文  参考訳（メタデータ） (2025-09-01T07:45:12Z)
• EndoUFM: Utilizing Foundation Models for Monocular depth estimation of endoscopic images [7.350425834778092]
  EndoUFMは、教師なしの単眼深度推定フレームワークである。 強力な事前学習先を活用することにより、深さ推定性能を向上させる。 この研究は、最小侵襲の手術において、外科医の空間的知覚を増大させるのに寄与する。
  論文  参考訳（メタデータ） (2025-08-25T11:33:05Z)
• Occlusion-Aware Self-Supervised Monocular Depth Estimation for Weak-Texture Endoscopic Images [1.1084686909647639]
  内視鏡的シーンに適した自己教師付き単眼深度推定ネットワークを提案する。 既存の方法は正確ではあるが、通常は一貫した照明を仮定する。 これらの変化は、誤った幾何学的解釈と信頼できない自己監督信号をもたらす。
  論文  参考訳（メタデータ） (2025-04-24T14:12:57Z)
• ECMamba: Consolidating Selective State Space Model with Retinex Guidance for Efficient Multiple Exposure Correction [48.77198487543991]
  本稿では,反射率と照明マップの復元を目的とした,二重経路を持つ露出補正のためのMamba(ECMamba)に基づく新しいフレームワークを提案する。 具体的には、Retinex理論を導出し、入力を2つの中間空間にマッピングできるRetinex推定器を訓練する。 我々は、ECMMのコア演算子として、Retinex情報(Retinex-SS2D)で案内される新しい2次元選択状態空間層を開発する。
  論文  参考訳（メタデータ） (2024-10-28T21:02:46Z)
• EndoDepth: A Benchmark for Assessing Robustness in Endoscopic Depth Prediction [1.7243216387069678]
  本研究では,単眼深度予測モデルのロバスト性を評価するための評価フレームワークであるEndoDepthベンチマークを提案する。 本稿では,内視鏡的シナリオにおけるモデルの堅牢性を評価するために,一貫した,特に設計された評価手法を提案する。
  論文  参考訳（メタデータ） (2024-09-30T04:18:14Z)
• ToDER: Towards Colonoscopy Depth Estimation and Reconstruction with Geometry Constraint Adaptation [67.22294293695255]
  そこで本稿では,ToDERという双方向適応アーキテクチャを用いて,高精度な深度推定を行う新しいパイプラインを提案する。 以上の結果から,本手法は実写および合成大腸内視鏡ビデオの深度マップを精度良く予測できることが示唆された。
  論文  参考訳（メタデータ） (2024-07-23T14:24:26Z)
• The Surprising Effectiveness of Diffusion Models for Optical Flow and Monocular Depth Estimation [42.48819460873482]
  拡散確率モデルは、その印象的な忠実さと多様性で画像生成を変換した。 また,タスク固有のアーキテクチャや損失関数を使わずに,光学的フローと単眼深度の推定に優れることを示す。
  論文  参考訳（メタデータ） (2023-06-02T21:26:20Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation [111.89519571205778]
  そこで本研究では,深度推定のためのドメイン適応手法を提案する。 提案する2段階構造は,まず,ラベル付き合成画像を用いた深度推定ネットワークを教師付きで訓練する。 実験の結果,提案手法は実画像上でのネットワーク性能をかなりの差で向上させることがわかった。
  論文  参考訳（メタデータ） (2021-09-24T08:11:34Z)
• Progressive Depth Learning for Single Image Dehazing [56.71963910162241]
  既存の脱湿法は、しばしば深度を無視し、より重いヘイズが視界を乱す遠くの地域で失敗する。 画像深度と伝送マップを反復的に推定するディープエンドツーエンドモデルを提案する。 私たちのアプローチは、画像深度と伝送マップの内部関係を明示的にモデリングすることから利益を得ます。
  論文  参考訳（メタデータ） (2021-02-21T05:24:18Z)
• D3VO: Deep Depth, Deep Pose and Deep Uncertainty for Monocular Visual Odometry [57.5549733585324]
  D3VOは、深度、ポーズ、不確実性推定という3つのレベルでディープネットワークを利用する、単眼の視覚計測のための新しいフレームワークである。 まず,ステレオビデオを用いた自己監督型単眼深度推定ネットワークを提案する。 入力画像上の画素の光度不確かさをモデル化し、深度推定精度を向上させる。
  論文  参考訳（メタデータ） (2020-03-02T17:47:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。