DORNet：面向退化且正则化的盲深度超分辨率网络
计算机视觉与模式识别
2025-03-20 v4
摘要
近年来，在固定且已知退化（例如双三次下采样）的假设下，基于RGB引导的深度超分辨率方法取得了令人瞩目的性能。然而，在现实场景中，由于传感器限制和复杂的成像环境（例如低反射表面、变化的光照），捕获的深度数据常常遭受非传统且未知的退化。因此，当现实世界的退化偏离其假设时，这些方法的性能会显著下降。在本文中，我们提出了面向退化且正则化的网络（DORNet），这是一种新颖的框架，旨在通过隐式退化表示自适应地处理现实场景中的未知退化。我们的方法首先开发了一种自监督退化学习策略，该策略使用基于路由选择的退化正则化来建模低分辨率深度数据的退化表示。为了促进有效的RGB-D融合，我们进一步引入了一个面向退化的特征变换模块，该模块基于学习到的退化先验，选择性地将RGB内容传播到深度数据中。在真实和合成数据集上的大量实验结果证明了我们的DORNet在处理未知退化方面的优越性，优于现有方法。代码可在 https://github.com/yanzq95/DORNet 获取。
引用
@article{arxiv.2410.11666,
title = {DORNet: A Degradation Oriented and Regularized Network for Blind Depth Super-Resolution},
author = {Zhengxue Wang and Zhiqiang Yan and Jinshan Pan and Guangwei Gao and Kai Zhang and Jian Yang},
journal= {arXiv preprint arXiv:2410.11666},
year = {2025}
}
备注
CVPR 2025