置信度引导的深度补全网络
计算机视觉与模式识别
2022-02-08 v1
摘要
本文提出一种图像引导的深度补全方法，以较快的计算时间估计准确的稠密深度图。所提网络具有两阶段结构。第一阶段预测第一张深度图。然后，第二阶段利用置信度图进一步细化第一张深度图。第二阶段由两层组成，每一层关注不同区域并生成细化深度图和置信度图。最终深度图通过使用相应置信度图组合来自第二阶段的两张深度图得到。与 KITTI 深度补全在线排行榜上排名靠前的模型相比，所提模型展现出快得多的计算时间和具有竞争力的性能。
引用
@article{arxiv.2202.03257,
title = {Confidence Guided Depth Completion Network},
author = {Yongjin Lee and Seokjun Park and Beomgu Kang and Hyunwook Park},
journal= {arXiv preprint arXiv:2202.03257},
year = {2022}
}
备注
6 pages, 3 figures, 2 tables