基于分层 RGB-D 融合的深度表面法线估计
计算机视觉与模式识别
2019-11-21 v2
摘要
随着消费级 RGB-D 相机的日益普及，场景理解领域的应用得到了推动。然而，作为基础性的场景理解任务，基于 RGB-D 数据的表面法线估计缺乏深入研究。本文提出了一种具有自适应特征重加权的分层融合网络，用于从单张 RGB-D 图像估计表面法线。具体而言，彩色图像与深度特征在多个尺度上依次融合，以保证全局表面平滑的同时保留视觉显著的细节。同时，深度特征在并入颜色分支之前，利用从深度估计出的置信度图进行重加权，以避免由输入深度损坏引起的伪影。此外，设计了混合多尺度损失函数，以在含噪声的真实标注数据集下学习准确的法线估计。大量实验结果验证了融合策略与损失设计的有效性，优于当前最优（SOTA）的法线估计方法。
引用
@article{arxiv.1904.03405,
title = {Deep Surface Normal Estimation with Hierarchical RGB-D Fusion},
author = {Jin Zeng and Yanfeng Tong and Yunmu Huang and Qiong Yan and Wenxiu Sun and Jing Chen and Yongtian Wang},
journal= {arXiv preprint arXiv:1904.03405},
year = {2019}
}