野外无配对深度超分辨率
计算机视觉与模式识别
2022-09-26 v4
摘要
用消费级传感器捕获的深度图通常质量和分辨率较低；这些图需要被增强以用于许多应用。最先进的深度图超分辨率数据驱动方法依赖于同一场景的低分辨率与高分辨率深度图的配准对。真实世界配对数据的获取需要专门的装置。另一种替代方案，通过子采样、加噪及其他人工退化方法从高分辨率图生成低分辨率图，并不能充分捕捉真实世界低分辨率图像的特性。因此，在此类人工配对数据上训练的监督学习方法在真实世界低分辨率输入上可能表现不佳。我们考虑一种基于从无配对数据中学习的深度超分辨率方法。尽管已提出许多无配对图像到图像翻译技术，但大多数未能使用深度图提供有效的孔洞填充或重建精确表面。我们提出了一种用于深度超分辨率的无配对学习方法，其基于可学习的退化模型、增强分量以及作为特征的表面法线估计来生成更精确的深度图。我们提出了一种无配对深度超分辨率的基准，并证明我们的方法优于现有的无配对方法，且与配对方法表现相当。
引用
@article{arxiv.2105.12038,
title = {Unpaired Depth Super-Resolution in the Wild},
author = {Aleksandr Safin and Maxim Kan and Nikita Drobyshev and Oleg Voynov and Alexey Artemov and Alexander Filippov and Denis Zorin and Evgeny Burnaev},
journal= {arXiv preprint arXiv:2105.12038},
year = {2022}
}