MIPI 2023 RGB+ToF 深度补全挑战赛：方法与结果
计算机视觉与模式识别
2023-04-28 v1
摘要
从 RGB 图像和稀疏飞行时间（ToF）测量中进行深度补全是计算机视觉和机器人领域的一个重要问题。虽然传统的深度补全方法依赖于立体视觉或结构光技术，但深度学习的最新进展使得从 RGB 图像和稀疏 ToF 测量中更准确、更高效地补全深度图成为可能。为了评估不同深度补全方法的性能，我们组织了一场 RGB+稀疏 ToF 深度补全竞赛。该竞赛旨在通过提供标准化数据集和评估指标来比较不同方法的准确性，从而鼓励该领域的研究。在本报告中，我们展示了竞赛结果，并分析了表现优异方法的优势与不足。我们还讨论了我们的发现对未来 RGB+稀疏 ToF 深度补全研究的启示。我们希望这场竞赛和报告将有助于推动这一重要研究领域的技术发展。关于该挑战赛的更多细节及数据集链接可在 https://mipi-challenge.org/MIPI2023 找到。
引用
@article{arxiv.2304.13916,
title = {MIPI 2023 Challenge on RGB+ToF Depth Completion: Methods and Results},
author = {Qingpeng Zhu and Wenxiu Sun and Yuekun Dai and Chongyi Li and Shangchen Zhou and Ruicheng Feng and Qianhui Sun and Chen Change Loy and Jinwei Gu and Yi Yu and Yangke Huang and Kang Zhang and Meiya Chen and Yu Wang and Yongchao Li and Hao Jiang and Amrit Kumar Muduli and Vikash Kumar and Kunal Swami and Pankaj Kumar Bajpai and Yunchao Ma and Jiajun Xiao and Zhi Ling},
journal= {arXiv preprint arXiv:2304.13916},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2209.07057