该研究提出了多种基于内窥镜的深度估计方法，如双目内窥镜深度声明网络和自监督卷积神经网络，旨在提高手术视频中工具定位和深度估计的准确性，推动微创外科技术的发展。

本文介绍了多种医学图像处理技术，包括自监督手术视频去烟除雾方法SelfSVD、轻量级GAN框架PFAN和基于语义引导的低光增强网络。这些技术在烟雾去除、低光图像增强和三维重建方面表现优异，推动了微创外科和医学图像分析的发展。

本文介绍了一种无监督自我监督方法，通过卷积神经网络从单目内窥镜数据中估计深度。研究提出了几何一致性损失、深度声明网络和基于表面感知的约束等技术，以提高深度估计的准确性和鲁棒性。实验结果表明，该方法在多个数据集上表现优异，推动了微创外科领域的研究进展。