投影以适配：基于噪声与稀疏传感器数据的深度补全域自适应
计算机视觉与模式识别
2020-08-06 v2
摘要
深度补全旨在从稀疏深度输入预测稠密深度图。在深度补全场景下获取稠密真实标注可能十分困难，同时，真实 LiDAR 测量与合成数据之间的显著域差距阻碍了在虚拟环境中对模型的成功训练。我们提出了一种用于稀疏到稠密深度补全的域自适应方法，该方法从合成数据训练，无需真实域标注或额外传感器。我们的方法在 RGB+LiDAR 设置中模拟真实传感器噪声，并由三个模块组成：通过投影在合成域中模拟真实 LiDAR 输入、过滤真实噪声 LiDAR 以用于监督、以及使用 CycleGAN 方法适配合成 RGB 图像。我们在 KITTI 深度补全基准上针对最先进方法对这些模块进行了广泛评估，显示出显著改进。
引用
@article{arxiv.2008.01034,
title = {Project to Adapt: Domain Adaptation for Depth Completion from Noisy and Sparse Sensor Data},
author = {Adrian Lopez-Rodriguez and Benjamin Busam and Krystian Mikolajczyk},
journal= {arXiv preprint arXiv:2008.01034},
year = {2020}
}