为经典图像处理辩护：CPU 上的快速深度补全
计算机视觉与模式识别
2018-02-02 v1
摘要
随着数据驱动的深层神经网络作为通用函数逼近器的实现，大多数计算机视觉问题的研究已远离手工设计的经典图像处理算法。本文表明，借助设计良好的算法，我们能够在深度补全任务上超越基于神经网络的方法。所提算法简单且快速，运行于 CPU 上，仅依赖基础图像处理操作即可完成稀疏 LIDAR 深度数据的深度补全。我们在具挑战性的 KITTI 深度补全基准上评估了我们的算法，在提交时，我们的方法在 KITTI 测试服务器上排名所有已发表方法第一。此外，我们的算法与数据无关，无需训练数据即可执行该任务。用 Python 编写的代码将公开于 https://github.com/kujason/ip_basic。
引用
@article{arxiv.1802.00036,
title = {In Defense of Classical Image Processing: Fast Depth Completion on the CPU},
author = {Jason Ku and Ali Harakeh and Steven L. Waslander},
journal= {arXiv preprint arXiv:1802.00036},
year = {2018}
}