内視鏡における正確な深度推定は、さまざまな医療手術プロセスにおけるコンピュータビジョンパイプラインやCADツールの実装に不可欠である。本論文では、単眼深度推定モデルが内視鏡環境においていかにロバストであるかを評価することを目的とした評価フレームワーク「EndoDepthベンチマーク」を提案する。従来のデータセットとは異なり、EndoDepthベンチマークは内視鏡手術中に頻出する実用的な課題を統合している。本研究では、内視鏡状況下におけるモデルのロバスト性を的確に評価できるよう、一貫性を持った評価手法を提案する。特に、内視鏡画像の劣化に起因する誤差に対するモデルの精度を詳細に評価可能な新しい合成指標「平均深度推定ロバスト性スコア（mDERS）」を導入している。さらに、内視鏡のロバスト性を評価する目的で特化して設計された新データセット「SCARED-C」も提示する。広範な実験を通じて、最先端の深度推定アーキテクチャをEndoDepthベンチマーク上で評価し、それらが内視鏡特有の困難な画像アーティファクトに対処する際の強みと課題を明らかにした。本研究の結果は、内視鏡における正確な深度推定に特化した技術の重要性を示しており、今後の研究における貴重な知見を提供するものである。