$S^3$：用于引导深度估计的可学习稀疏信号超密度方法
计算机视觉与模式识别
2021-08-24 v4
摘要
稠密深度估计在机器人、三维重建和增强现实等多种应用中起关键作用。尽管稀疏信号（如LiDAR和Radar）已被用作引导以增强稠密深度估计，但由于其密度低且分布不均衡，改进有限。为最大化利用稀疏源，我们提出技术，其从稀疏线索扩展深度值并估计扩展区域的置信度。所提出的可应用于多种引导深度估计方法，并可在输入、代价体和输出等不同阶段端到端训练。大量实验证明了技术在LiDAR和Radar信号上的有效性、鲁棒性与灵活性。
引用
@article{arxiv.2103.02396,
title = {$S^3$: Learnable Sparse Signal Superdensity for Guided Depth Estimation},
author = {Yu-Kai Huang and Yueh-Cheng Liu and Tsung-Han Wu and Hung-Ting Su and Yu-Cheng Chang and Tsung-Lin Tsou and Yu-An Wang and Winston H. Hsu},
journal= {arXiv preprint arXiv:2103.02396},
year = {2021}
}
备注
CVPR 2021