用于深度超分辨率的场景先验滤波
计算机视觉与模式识别
2026-03-24 v4
摘要
多模态融合是成功实现深度图超分辨率的基石。然而，常用的融合策略（如加法和拼接）不足以有效弥合模态差距。因此，引入了引导图像滤波方法来缓解这一问题。尽管如此，观察到它们的滤波核通常会遇到显著的纹理干扰和边缘不准确性。为了应对这两个挑战，我们引入了一种场景先验滤波网络 SPFNet，该网络利用来自大规模模型的法向量和语义图等先验信息。具体而言，我们提出了一种全能先验传播 (All-in-one Prior Propagation) 方法，通过计算多模态场景先验（即 RGB、法向量、语义和深度）之间的相似性来减少纹理干扰。此外，我们设计了一种一对一先验嵌入 (One-to-one Prior Embedding) 机制，利用相互引导滤波将每个单模态先验连续嵌入到深度中，进一步减轻纹理干扰同时增强边缘表示。我们的 SPFNet 在真实世界和合成数据集上进行了广泛评估，实现了最先进的性能。
引用
@article{arxiv.2402.13876,
title = {Scene Prior Filtering for Depth Super-Resolution},
author = {Zhengxue Wang and Zhiqiang Yan and Ming-Hsuan Yang and Jinshan Pan and Guangwei Gao and Ying Tai and Jian Yang},
journal= {arXiv preprint arXiv:2402.13876},
year = {2026}
}
备注
Accepted to IJCV 2026