EndoDDC扩散模型实现内窥镜稀疏到稠密深度重建
机器人领域顶级学术会议IEEE国际机器人与自动化会议（ICRA 2026）传来喜讯，香港中文大学任洪亮教授团队的研究成果《EndoDDC：通过扩散深度补全实现内窥镜机器人导航的稀疏到稠密重建》成功入选。该研究精准切入微创手术中的关键技术瓶颈，为提升内镜机器人的自主导航精度与可靠性提供了创新解决方案。
论文题目：EndoDDC: Learning Sparse to Dense Reconstruction for Endoscopic Robotic Na vigation via Diffusion Depth Completion
论文作者：林胤恒†（香港中文大学），黄一鸣†（香港中文大学），崔贝雷（香港中文大学）， 白龙（阿里巴巴达摩院，香港中文大学）， 高沪昕（香港中文大学），任洪亮（香港中文大学）, 赖捷文*（香港中文大学）
论文简介
在微创外科手术（MIS）中，内镜机器人的精准导航是提升手术操作精度、减少组织损伤并保障患者安全的关键。实现精准导航的核心前提在于获取高质量、高可靠性的三维深度信息。然而，内窥镜手术环境复杂，常面临组织表面弱纹理、镜面高光反射、动态流体干扰等挑战，使得传统的单目或双目深度估计方法效果受限，成为制约手术机器人智能化发展的技术难点。现有解决方案或严重依赖难以大规模获取的稠密深度标注数据，或在复杂真实内镜场景下鲁棒性欠佳，导致从稀疏点云到稠密深度图的重建质量难以满足临床导航需求。
为此，香港中文大学团队提出的EndoDDC方法，旨在攻克上述难题。该方法创新性地融合RGB图像信息、稀疏深度点云以及深度梯度特征，并引入先进的扩散模型（Diffusion Model）对深度图进行迭代优化，有效应对了内镜场景下弱纹理和反射干扰带来的深度估计不准问题。
主要贡献
EndoDDC的核心贡献在于，它专门为内窥镜场景设计了一套端到端的稀疏到稠密深度重建框架。该框架有效规避了传统监督学习方法对大量稠密标注数据的依赖，同时也解决了自监督深度估计中常见的尺度模糊问题。这意味着，系统仅需输入单帧RGB图像和对应的稀疏深度测量点，即可输出高精度、细节丰富的稠密深度图，极大增强了其在真实手术机器人系统中的实用性与易用性。
方法的一大创新点是深度梯度融合模块（Depth Gradient Fusion Module）。该模块利用卷积门控循环单元（ConvGRU），以迭代方式融合深度值信息与深度梯度特征，为整个重建过程提供了精确的几何结构引导。这一设计对于恢复弱纹理区域（如光滑器官表面）的连续几何形状起到了至关重要的作用。
此外，研究团队提出了基于深度梯度条件的扩散模型（Depth-conditioned Diffusion Model）。该模型以初步预测的粗糙深度图为起点，利用提取的深度梯度特征作为条件，引导扩散模型的反向去噪过程，通过多轮迭代优化，最终生成全局一致且符合物理约束的高质量稠密深度图。
为了验证方法的有效性，研究在C3VD和StereoMIS这两个权威的公开内镜数据集上进行了全面评估。实验结果表明，在RMSE（均方根误差）、MAE（平均绝对误差）、REL（相对误差）和δ准确率（δ<1.25）等所有核心评估指标上，EndoDDC均显著超越了当前最先进的深度补全与深度估计方法。具体数据上，在C3VD数据集中，相较于此前最优的深度补全模型OGNI-DC，EndoDDC将RMSE降低了5.28%，MAE降低了7.84%。更为突出的是，即使输入深度点的稀疏程度在50至50000个点之间剧烈变化，EndoDDC依然能稳定输出高质量的深度重建结果，展现了其卓越的鲁棒性和广泛的适用性。
EndoDDC方法概览和可视化样例
EndoDDC 概述：在从 RGB 图像和稀疏深度图提取特征后，Depth Grad Fusion 模块会基于深度和梯度特征迭代地更新状态隐藏网络。然后，将该输出输入到 Depth Diffusion 模型进行条件引导下的补全。
在 C3VD 和 STEREOMIS 数据集上与SOTA方法的深度补全结果比较。
在 C3VD 和 StereoMIS 数据集上的比较。我们将 EndoDDC 与最先进的深度估计和深度补全方法进行比较；我们的方法在组织细节方面产生的误差更少。
参考文献
Lin, Y., Huang, Y., Cui, B., Bai, L., Gao, H., Ren, H. & Lai, J. (2026). EndoDDC: Learning Sparse to Dense Reconstruction for Endoscopic Robotic Na vigation via Diffusion Depth Completion. ICRA 2026.
相关攻略
蚂蚁灵波科技与港科大合作的研究被RSS2026接收，提出面向机器人控制的因果世界建模框架，并推出开源自回归视频-动作世界模型LingBot-VA。该模型使机器人能持续预测环境变化并生成动作，实现“边观察、边判断、边行动”的类人能力，在仿真与真实任务中表现出优异的数据效率和泛化能力。
近日，在新加坡举办的自动化领域年度盛会Automation SolutionGo 2025上，一项来自中国的边缘计算解决方案脱颖而出，荣获年度“GO! Technology Utilisation Winner”（技术应用优胜奖）。获奖方案是黑芝麻智能推出的AI全栈机器人计算平台，展现了其在机器人智
人形机器人面临主控算力不足的瓶颈。杰和科技LM2-100-V0算力模组作为专用协处理器，可提供高达25TOPS的额外算力。它主要卸载视觉感知与复杂运动规划等高负荷计算任务，其小巧集成设计与高能效比有助于机器人保持流畅响应与精准控制，从而提升整体性能。
为中小企业挑选电销机器人，看似复杂，实则只要抓住核心需求就能化繁为简。对于预算有限、缺乏技术团队、又希望高效合规获客的中小企业主而言，关键在于找到一款成本可控、快速上手、稳定可靠的产品。面对市场上琳琅满目的选择，究竟哪一款最适合您的业务？我们基于2026年的市场深度评测，对a va vox、鼎富智能
2025年下半年，人形机器人产业迎来了一个关键的转折点。技术突破、产业链成熟与市场需求开始同频共振，推动着人形机器人走出实验室，进入工厂，从概念验证大步迈向规模化量产。一个全新的“量产加速期”已然到来。 近期一系列标志性事件密集释放出强烈信号：智元机器人累计下线量突破5000台；优必选Walker系
热门专题
热门推荐
制作PPT用什么软件好？2024年五大主流工具深度评测 无论是职场汇报、学术答辩还是项目路演，一份专业且吸引人的PPT演示文稿都至关重要。面对众多制作工具，如何选择最适合自己的那一款？本文将对五款主流的PPT软件进行全方位对比分析，从功能、协作、设计到易用性，助您根据核心需求做出最佳决策，高效打造令
今日A股市场整体走势偏弱，朗玛信息（股票代码300288）股价同步调整，截至收盘下跌3 16%，全天成交额4783 73万元，换手率为1 77%，公司总市值约为35 21亿元。股价的短期波动，引发了投资者对其核心投资逻辑与未来潜在机会的深入探讨。 异动深度解析：AI医疗战略的机遇与挑战 朗玛信息是市
《超级蠕虫大战圣诞老人2》是一款休闲益智游戏，攻略涵盖基本操作、关卡解锁与道具使用。玩家需掌握战斗策略与技能升级，熟悉敌人特性和环境机制。合理运用道具并完成隐藏任务可获取奖励，多人模式注重策略博弈。建议多练习并参与社区交流，同时注意游戏时长以保护视力。
在Kimi里搜索“2026年北京积分落户政策细则”，如果跳出来的总是房产中介的软文、培训机构的广告或者各种自媒体猜测，那说明默认的联网检索没有经过过滤。想要获得干净、权威的结果，必须主动使用结构化的提示词进行限定。 用结构化提示词锁定权威信源 这一步是关键，直接决定了你看到的信息是来自官方发布渠道，
为避免代码丢失，Qoder编辑器需手动开启自动保存功能。全局设置中可开启开关并选择触发条件，如按时间间隔或窗口失去焦点时保存。还可为特定项目单独配置，覆盖全局设置。若功能失效，需检查文件位置是否只读、用户权限是否足够，并避免直接编辑受保护的系统文件。