EndoDAC

让基础模型秒变内窥镜深度感知专家，无需标注即可用

EndoDAC 是一个面向内窥镜手术场景的自监督深度估计模型，发表于 MICCAI 2024。它解决了基础模型（如 DINOv2）直接应用于内窥镜图像时因域差异导致性能下降的问题，通过引入高效的适配模块，使得模型能够适应任意内窥镜相机，无需真实深度标注即可从单目视频中学习深度信息。其核心能力包括：利用自监督学习框架，结合基础模型的强大特征提取能力，通过轻量级适配器实现快速迁移；支持多种内窥镜数据（如胃镜、肠镜等），并保持实时推理性能。项目提供完整训练和评估代码，基于 Python 和 PyTorch 实现，适合医学影像分析、手术导航等研究与应用。