用于引导深度超分辨率的深度原始-对偶网络
计算机视觉与模式识别
2016-07-29 v1
摘要
本文提出了一种提升深度图像空间分辨率的新方法。我们将一个深度全卷积网络与一个非局部变分方法结合在一个深度原始-对偶网络中。该联合网络从一幅含噪的低分辨率输入深度图计算出一幅无噪的高分辨率估计。此外，一幅高分辨率强度图像被用来引导网络中的重建过程。通过展开一阶原始-对偶算法的优化步骤并将其表述为一个网络，我们可以端到端地训练我们的联合方法。这不仅使我们能够学习全卷积网络的权重，还能优化变分方法及其优化过程的所有参数。训练这样一个深度网络需要一个大型数据集进行监督。因此，我们使用基于物理的渲染器生成高质量的深度图和相应的彩色图像。在详尽的评估中，我们表明我们的方法在多个基准上优于当前最先进的技术。
引用
@article{arxiv.1607.08569,
title = {A Deep Primal-Dual Network for Guided Depth Super-Resolution},
author = {Gernot Riegler and David Ferstl and Matthias Rüther and Horst Bischof},
journal= {arXiv preprint arXiv:1607.08569},
year = {2016}
}
备注
BMVC 2016