S&CNet：面向自主系统与三维重建的单目深度补全网络
图像与视频处理
2019-08-30 v2 计算机视觉与模式识别
摘要
稠密深度补全对于自主系统和三维重建至关重要。本文提出一种轻量且高效的网络（S&CNet），在稠密深度补全的效率与精度之间取得良好权衡。引入双流注意力模块（S&C增强器）来度量所提取特征在空间维和通道维上的全局关系，从而提升性能。设计了一个由粗到细的网络，并将所提出的S&C增强器插入其编码器与解码器之间的粗估计网络中。实验结果表明，我们的方法在KITTI数据集上取得了与现有工作具有竞争力的性能，但速度快近四倍。所提出的S&C增强器可插入其他现有工作中，以可忽略的额外计算成本显著提升其性能。
引用
@article{arxiv.1907.06071,
title = {S&CNet: Monocular Depth Completion for Autonomous Systems and 3D Reconstruction},
author = {Lei Zhang and Weihai Chen and Chao Hu and Xingming Wu and Zhengguo Li},
journal= {arXiv preprint arXiv:1907.06071},
year = {2019}
}
备注
10 pages,8 figures