本研究提出了一种新型自监督学习框架，旨在提高介入X射线中设备（如导管、气球和支架）的检测精度。该方法通过结合补充线索和多表示空间，显著提升了设备标记的定位能力，气球标记检测误差减少87%，导管尖端检测误差减少61%。

本文提出了DirectionNet模型，通过预测5D相对位姿空间的离散分布来改进相机位姿回归。该模型将相机姿态分解为3D方向向量，并在球面上估算分布。评估结果表明，该方法在Matterport3D和InteriorNet数据集上显著减少了误差。