无对齐深度超分辨率的多阶匹配网络
计算机视觉与模式识别
2026-05-19 v3
摘要
最近的引导深度超分辨率方法基于严格的深度与RGB空间对齐假设，实现高质量深度重建。然而，在实际场景中，严格对齐的RGB-D获取受制于固有硬件限制(如物理分离的RGB-D传感器)以及机械振动或温度变化导致的校准漂移。因此，现有方法常在应用于无对齐真实场景时遭遇不可避免的性能下降。本文提出了多阶匹配网络(MOMNet)，一种无对齐的新型框架，通过自适应检索和选择最相关信息来处理无对齐的RGB。具体而言，我们的方法首先采用多阶匹配机制，联合执行零阶、一阶和二阶匹配，以全面识别跨多阶特征空间中与深度一致的RGB信息。为有效整合检索到的RGB与深度，我们进一步引入多阶聚合，由多个结构探测器组成。该策略将多阶先验作为提示，促进RGB到深度的选择性特征传递。广泛的实验表明，MOMNet在静态和对齐数据集上实现卓越的性能和广泛性。
引用
@article{arxiv.2511.16361,
title = {Multi-Order Matching Network for Alignment-Free Depth Super-Resolution},
author = {Zhengxue Wang and Zhiqiang Yan and Yuan Wu and Guangwei Gao and Xiang Li and Jian Yang},
journal= {arXiv preprint arXiv:2511.16361},
year = {2026}
}