一種融合視覺Transformer和擴散模型的單視點內(nèi)窺鏡手術(shù)光場重建方法（特邀）

摘要： 針對內(nèi)窺鏡手術(shù)中單一視角圖像深度估計不確定性與遮擋導(dǎo)致的手術(shù)場景三維感知難題，提出了一種融合視覺Transformer和條件擴散模型的單視點多平面圖（MPI）表征方法，用以進行內(nèi)窺鏡手術(shù)光場重建。該方法首先利用視覺Transformer將輸入的單視角圖像令牌化，從而分解為多個圖像塊，并通過多頭注意力機制提取局部與全局相結(jié)合的關(guān)聯(lián)特征。然后，利用多尺度卷積解碼器將圖像塊特征從粗到... （共11頁）