基于深度各向异性扩散的引导深度超分辨率
计算机视觉与模式识别
2023-03-29 v3 人工智能
摘要
利用 RGB 图像引导对深度图像进行超分辨率处理是机器人、医学成像和遥感等多个领域关注的问题。尽管深度学习方法在此问题上已取得良好结果，近期工作强调了将现代方法与更形式化的框架相结合的价值。本工作中，我们提出一种将引导各向异性扩散与深度卷积网络相结合的新方法，推进了引导深度超分辨率的最先进水平。扩散的边缘传递/增强特性被现代网络的上下文推理能力所增强，且严格的调整步骤保证了对源图像的完美遵循。我们在三个常用的引导深度超分辨率基准上取得了前所未有的结果。与其他方法相比，性能提升在更大尺度（如 x32 缩放）时最为显著。为促进结果可复现，所提方法的代码（https://github.com/prs-eth/Diffusion-Super-Resolution）已公开。
引用
@article{arxiv.2211.11592,
title = {Guided Depth Super-Resolution by Deep Anisotropic Diffusion},
author = {Nando Metzger and Rodrigo Caye Daudt and Konrad Schindler},
journal= {arXiv preprint arXiv:2211.11592},
year = {2023}
}
备注
8 main pages, Accepted to CVPR2023