PanDepth：全景分割与深度补全联合模型
计算机视觉与模式识别
2024-08-21 v2
摘要
在涉及多种计算机视觉任务的自动驾驶应用中，对三维环境进行语义理解至关重要。多任务模型对给定场景提供不同类型输出，在保持低计算成本的同时产生更整体的表示。我们提出一种利用 RGB 图像与稀疏深度图进行全景分割与深度补全的多任务模型。我们的模型成功预测全稠密深度图，并对每帧输入执行语义分割、实例分割与全景分割。在 Virtual KITTI 2 数据集上进行了充分实验，我们证明我们的模型以不显著增加计算成本且保持高精度性能的方式解决了多个任务。代码见 https://github.com/juanb09111/PanDepth.git
引用
@article{arxiv.2212.14180,
title = {PanDepth: Joint Panoptic Segmentation and Depth Completion},
author = {Juan Lagos and Esa Rahtu},
journal= {arXiv preprint arXiv:2212.14180},
year = {2024}
}