用于 RGB-D 目标检测的 RBF 加权超对合
计算机视觉与模式识别
2026-03-09 v2
摘要
绝大多数增强现实设备都配备深度和彩色相机。尽管有其优势，但由于深度图像与彩色图像之间的固有差异，实时同时提取光度与深度特征仍具挑战。此外，标准卷积操作不足以直接从原始深度图像提取信息，导致中间表示效率低下。为解决这些问题，我们提出一种实时双流 RGBD 目标检测模型。我们的模型引入两个新组件：一种基于深度的动态径向基函数（RBF）加权超对合（hyper-involution），其根据原始深度图中的空间交互模式动态调整；以及一种基于上采样的可训练融合层，可在不阻碍信息传输的情况下结合提取的深度与彩色图像特征。实验结果表明，所提方法在 NYU Depth V2 上于现有 RGB-D 2D 目标检测方法中取得最强性能，同时在 SUN RGB-D 基准上保持竞争力。
引用
@article{arxiv.2310.00342,
title = {RBF Weighted Hyper-Involution for RGB-D Object Detection},
author = {Mehfuz A Rahman and Khushal Das and Jiju Poovvancheri and Neil London and Dong Chen},
journal= {arXiv preprint arXiv:2310.00342},
year = {2026}
}
备注
33 pages, 15 figures