CFPNet：通过跨区域特征传播提升轻量 ToF 深度补全
计算机视觉与模式识别
2024-12-04 v4
摘要
利用轻量飞行时间（ToF）深度传感器进行深度补全因其低成本而具有吸引力。然而，轻量 ToF 传感器通常与相机相比具有有限的视场（FOV）。因此，仅图像中区域区域的像素能够与深度信号关联。先前的方法未能有效地将深度特征从区域区域传播到区域外区域，从而导致区域外的深度补全性能下降。为此，本文提出了 CFPNet，通过两个新颖模块实现从区域区域到区域外区域的跨区域特征传播。第一个是基于直接注意力的传播模块（DAPM），它强制进行直接的跨区域特征获取。第二个是基于大核的传播模块（LKPM），它通过利用核大小高达 31 的卷积层来实现跨区域特征传播。CFPNet 通过恰当结合这两个模块实现了最先进的（SOTA）深度补全性能，这在 ZJU-L5 数据集上的大量实验结果中得到了验证。代码位于 https://github.com/denyingmxd/CFPNet。
引用
@article{arxiv.2411.04480,
title = {CFPNet: Improving Lightweight ToF Depth Completion via Cross-zone Feature Propagation},
author = {Laiyan Ding and Hualie Jiang and Rui Xu and Rui Huang},
journal= {arXiv preprint arXiv:2411.04480},
year = {2024}
}
备注
Accepted by 3DV 2025