Buchumschlag

Surgical Depth Anything: Depth Estimation for Surgical Scenes using Foundation Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lou, Ange, Li, Yamin, Zhang, Yike, Noble, Jack
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SAMSNeRF: Segment Anything Model (SAM) Guides Dynamic Surgical Scene Reconstruction by Neural Radiance Field (NeRF)
von: Lou, Ange, et al.
Veröffentlicht: (2023)

Zero-Shot Surgical Tool Segmentation in Monocular Video Using Segment Anything Model 2
von: Lou, Ange, et al.
Veröffentlicht: (2024)

WS-SfMLearner: Self-supervised Monocular Depth and Ego-motion Estimation on Surgical Videos with Unknown Camera Parameters
von: Lou, Ange, et al.
Veröffentlicht: (2023)

SSDD-GAN: Single-Step Denoising Diffusion GAN for Cochlear Implant Surgical Scene Completion
von: Zhang, Yike, et al.
Veröffentlicht: (2025)

Monocular Microscope to CT Registration using Pose Estimation of the Incus for Augmented Reality Cochlear Implant Surgery
von: Zhang, Yike, et al.
Veröffentlicht: (2024)

VLM-Guided Iterative Refinement for Surgical Image Segmentation with Foundation Models
von: Lou, Ange, et al.
Veröffentlicht: (2026)

Self-supervised Mamba-based Mastoidectomy Shape Prediction for Cochlear Implant Surgery
von: Zhang, Yike, et al.
Veröffentlicht: (2024)

From Preoperative CT to Postmastoidectomy Mesh Construction: Mastoidectomy Shape Prediction for Cochlear Implant Surgery
von: Zhang, Yike, et al.
Veröffentlicht: (2026)

Surgical-DINO: Adapter Learning of Foundation Models for Depth Estimation in Endoscopic Surgery
von: Cui, Beilei, et al.
Veröffentlicht: (2024)

Amodal Depth Anything: Amodal Depth Estimation in the Wild
von: Li, Zhenyu, et al.
Veröffentlicht: (2024)

See in Depth: Training-Free Surgical Scene Segmentation with Monocular Depth Priors
von: Yang, Kunyi, et al.
Veröffentlicht: (2025)

DaReNeRF: Direction-aware Representation for Dynamic Scenes
von: Lou, Ange, et al.
Veröffentlicht: (2024)

DaRePlane: Direction-aware Representations for Dynamic Scene Reconstruction
von: Lou, Ange, et al.
Veröffentlicht: (2024)

Advancing Depth Anything Model for Unsupervised Monocular Depth Estimation in Endoscopy
von: Li, Bojian, et al.
Veröffentlicht: (2024)

On the Role of Depth in Surgical Vision Foundation Models: An Empirical Study of RGB-D Pre-training
von: Han, John J., et al.
Veröffentlicht: (2026)

Depth Any Panoramas: A Foundation Model for Panoramic Depth Estimation
von: Lin, Xin, et al.
Veröffentlicht: (2025)

Post-mastoidectomy Surface Multi-View Synthesis from a Single Microscopy Image
von: Zhang, Yike, et al.
Veröffentlicht: (2024)

Prompting Depth Anything for 4K Resolution Accurate Metric Depth Estimation
von: Lin, Haotong, et al.
Veröffentlicht: (2024)

Video Depth Anything: Consistent Depth Estimation for Super-Long Videos
von: Chen, Sili, et al.
Veröffentlicht: (2025)

Weakly-supervised Mamba-Based Mastoidectomy Shape Prediction for Cochlear Implant Surgery Using 3D T-Distribution Loss
von: Zhang, Yike, et al.
Veröffentlicht: (2025)

Depth Anything with Any Prior
von: Wang, Zehan, et al.
Veröffentlicht: (2025)

Depth Anything in $360^\circ$: Towards Scale Invariance in the Wild
von: Jiang, Hualie, et al.
Veröffentlicht: (2025)

DepthFocus: Controllable Depth Estimation for See-Through Scenes
von: Min, Junhong, et al.
Veröffentlicht: (2025)

Evaluating Robustness of Monocular Depth Estimation with Procedural Scene Perturbations
von: Nugent, Jack, et al.
Veröffentlicht: (2025)

Depth Anything V2
von: Yang, Lihe, et al.
Veröffentlicht: (2024)

Propagating Sparse Depth via Depth Foundation Model for Out-of-Distribution Depth Completion
von: Chen, Shenglun, et al.
Veröffentlicht: (2025)

Any to Full: Prompting Depth Anything for Depth Completion in One Stage
von: Zhou, Zhiyuan, et al.
Veröffentlicht: (2026)

Transferring Relative Monocular Depth to Surgical Vision with Temporal Consistency
von: Budd, Charlie, et al.
Veröffentlicht: (2024)

Depth Any Canopy: Leveraging Depth Foundation Models for Canopy Height Estimation
von: Cambrin, Daniele Rege, et al.
Veröffentlicht: (2024)

Towards Depth Foundation Model: Recent Trends in Vision-Based Depth Estimation
von: Xu, Zhen, et al.
Veröffentlicht: (2025)

EndoVGGT: GNN-Enhanced Depth Estimation for Surgical 3D Reconstruction
von: Fan, Falong, et al.
Veröffentlicht: (2026)

Vision6D: 3D-to-2D Interactive Visualization and Annotation Tool for 6D Pose Estimation
von: Zhang, Yike, et al.
Veröffentlicht: (2025)

DepthMaster: Taming Diffusion Models for Monocular Depth Estimation
von: Song, Ziyang, et al.
Veröffentlicht: (2025)

ScaleDepth: Decomposing Metric Depth Estimation into Scale Prediction and Relative Depth Estimation
von: Zhu, Ruijie, et al.
Veröffentlicht: (2024)

Spectral Rectification for Parameter-Efficient Adaptation of Foundation Models in Colonoscopy Depth Estimation
von: Zhang, Xiaoxian, et al.
Veröffentlicht: (2026)

Surgical Scene Understanding in the Era of Foundation AI Models: A Comprehensive Review
von: Khan, Ufaq, et al.
Veröffentlicht: (2025)

DA$^{2}$: Depth Anything in Any Direction
von: Li, Haodong, et al.
Veröffentlicht: (2025)

Bridging the Ex-Vivo to In-Vivo Gap: Synthetic Priors for Monocular Depth Estimation in Specular Surgical Environments
von: Aich, Ankan, et al.
Veröffentlicht: (2025)

Exploring Deeper! Segment Anything Model with Depth Perception for Camouflaged Object Detection
von: Yu, Zhenni, et al.
Veröffentlicht: (2024)

AnyDepth: Depth Estimation Made Easy
von: Ren, Zeyu, et al.
Veröffentlicht: (2026)