في عالم علوم الطب، تُعتبر تقنية التقدير الدقيق للعمق والموضع خلال التنظير الداخلي عنصراً حيوياً لتحليل الأورام والمشكلات الصحية داخل الجهاز الهضمي بدقة. بالرغم من أن أنظمة التنظير تقتصر على كاميرات أحادية (monocular)، إلا أن الأساليب الحالية التي تعتمد على مجموعات بيانات صناعية أو نماذج معقدة غالباً ما تعاني من نقص في القابلية للتعميم في ظروف التنظير الصعبة.

مع هذه التحديات، تم تقديم إطار جديد يعتمد على أسلوب التعلم الذاتي (self-supervised) لتقدير العمق والموضع، مدعومًا بمكتبة Latent Generative وVariational Autoencoder (VAE). تعتمد مكتبة Latent Generative على مشاهد عمق واسعة مأخوذة من صور طبيعية، مما يعزز من واقعية وموثوقية التقديرات من خلال الاعتماد على ميزات كامنة.

بالإضافة إلى ذلك، يعيد البحث صياغة تقدير الموضع ضمن إطار VAE، حيث تُعتبر الانتقالات الموضعية متغيرة كامنة لتعزيز الاستقرار في المحاور والخطوط الأخرى، مما ينتج عنه حساسية محسنة في الجوانب السلبية.

نتائج التقييمات المكثفة على مجموعات بيانات SimCol وEndoSLAM تُظهر تفوق هذا الإطار الجديد على الأساليب المنشورة الأخرى المتعلقة بتقدير العمق والموضع في التنظير الداخلي. إن هذه الابتكارات تشير إلى مستقبل واعد، حيث تتمكن أنظمة التنظير من تحليل الحالات المعقدة في الجهاز الهضمي بفاعلية أكبر مما كان ممكنًا من قبل.