由单幅图像与稀疏测距得到的稠密深度后验（DDP）
计算机视觉与模式识别
2019-04-18 v2
摘要
我们提出了一种深度学习系统，通过利用稀疏距离测量（例如来自激光雷达）来推断与图像相关的稠密深度图的后验分布。虽然激光雷达可能仅为很小比例的像素提供深度值，我们利用训练集中反映的规律性来完成该地图，从而针对图像中每个像素得到关于深度的概率。我们利用条件先验网络，该网络允许在给定图像的情况下将概率与每个深度值相关联，并将其与使用稀疏测量的似然项相结合。可选地，我们也可以在训练期间利用立体信息的可用性，但无论如何，在运行时仅需要单幅图像和稀疏点云。我们在 KITTI 基准上使用无监督和有监督的深度补全测试了我们的方法，并在两者中都改进了当前最优（SOTA）水平。
引用
@article{arxiv.1901.10034,
title = {Dense Depth Posterior (DDP) from Single Image and Sparse Range},
author = {Yanchao Yang and Alex Wong and Stefano Soatto},
journal= {arXiv preprint arXiv:1901.10034},
year = {2019}
}