SurgicalDINO

用基础模型适配器，让内窥镜图像秒变深度图，助力手术导航。

SurgicalDINO 是一个针对内窥镜手术场景的深度估计开源模型，基于视觉基础模型 DINOv2 进行适配器学习，解决术中单目深度感知难题。项目核心在于利用预训练基础模型的强大表征能力，通过轻量级适配器微调，在少量手术数据上实现高精度深度估计，无需从头训练。其能力包括：从内窥镜图像中恢复场景三维结构，辅助手术导航、增强现实叠加和器械定位。技术栈以 Python 为主，依赖 PyTorch 和 DINOv2，提供了训练和推理代码。该模型在 IPCAI 2024 发表，针对手术场景中纹理稀疏、反光、组织变形等挑战进行了优化，相比传统方法在精度和泛化性上有显著提升。目前项目处于早期阶段，代码结构清晰，适合作为手术视觉研究的基础工具。