用于 LiDAR 深度补全的深度卷积压缩感知
计算机视觉与模式识别
2018-03-28 v1
摘要
本文考虑了从一组稀疏 LiDAR 点估计稠密深度图的问题。我们利用压缩感知技术和最近开发的交替方向神经网络（ADNNs）为该任务构建了一个深度循环自编码器。我们的架构在内部执行一种算法，从输入中提取多级卷积稀疏码，随后将其用于预测。我们的结果表明，仅需两层和 1800 个参数，我们就能够超越所有先前已发表的结果，包括参数数量多出数个数量级的深度网络。
引用
@article{arxiv.1803.08949,
title = {Deep Convolutional Compressed Sensing for LiDAR Depth Completion},
author = {Nathaniel Chodosh and Chaoyang Wang and Simon Lucey},
journal= {arXiv preprint arXiv:1803.08949},
year = {2018}
}