Depth-Independent Depth Completion via Least Square Estimation

要約

深度補完タスクは、疎な深度マップから画素ごとの密な深度マップを補完することを目的とする。本論文では、RGB画像と疎な深度マップを独立した2つのステージで利用し、疎な深度マップを補完する効率的な最小二乗法に基づく深度非依存法を提案する。この方法では、ニューラルネットワークと疎な深度入力を分離することで、疎な深度マップの特徴が変化しても、本手法により有望な結果を得ることができる。さらに、本パイプラインでは、位置エンコードと線形行列により、容易に高画質な超解像密な深度マップを生成することができます。また、異なるデータセットにおいて、いくつかの最新アルゴリズムと比較し、本手法の一般性を検証した。ベンチマークに対する実験では、我々の手法が競争力のある性能を生み出すことが示された。

要約(オリジナル)

The depth completion task aims to complete a per-pixel dense depth map from a sparse depth map. In this paper, we propose an efficient least square based depth-independent method to complete the sparse depth map utilizing the RGB image and the sparse depth map in two independent stages. In this way can we decouple the neural network and the sparse depth input, so that when some features of the sparse depth map change, such as the sparsity, our method can still produce a promising result. Moreover, due to the positional encoding and linear procession in our pipeline, we can easily produce a super-resolution dense depth map of high quality. We also test the generalization of our method on different datasets compared to some state-of-the-art algorithms. Experiments on the benchmark show that our method produces competitive performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL