深度复原：基于双图正则化的快速低秩矩阵补全
计算机视觉与模式识别
2020-01-09 v4
摘要
作为一种真实场景感知手段，深度信息获得了广泛应用。然而，受限于深度感知技术，实际捕获的深度图通常在大量像素上存在严重噪声与缺失值。本文中，我们提出一种基于双图正则化的快速低秩矩阵补全方法用于深度复原。具体而言，深度复原可转化为低秩矩阵补全问题。为完成低秩矩阵并将其复原为深度图，所提双图方法包含局部与非局部图正则化，分别利用深度图的局部相似性与深度-颜色对应项的梯度一致性。此外，由于具备闭式解，所提方法实现了高速深度复原。实验结果表明，在客观与主观质量评价方面，所提方法均优于当前最优方法，尤其在严重深度退化情形下。
引用
@article{arxiv.1907.02841,
title = {Depth Restoration: A fast low-rank matrix completion via dual-graph regularization},
author = {Wenxiang Zuo and Qiang Li and Xianming Liu},
journal= {arXiv preprint arXiv:1907.02841},
year = {2020}
}
备注
The paper will be added more experiments. The main idea of the paper needs to be revamped. Please withdraw the paper