Masked Spatial Propagation Network for Sparsity-Adaptive Depth Refinement

转载请注明作者和出处： http://blog.csdn.net/john_bh/

paper 地址：Masked Spatial Propagation Network for Sparsity-Adaptive Depth Refinement
作者及团队： 高丽大学
会议及时间：CVPR 2021
code：https://github.com/jyjunmcl/MSPN_SDR

1. 主要贡献

深度补全的主要功能是补偿硬件传感器的稀疏深度测量数量不足且不可预测的情况。然而，现有的深度补全研究假设训练和测试的稀疏性（点或激光雷达线的数量）是固定的。因此，当稀疏深度的数量显着变化时，完成性能会严重下降。

为了解决这个问题，提出了稀疏自适应深度细化（SDR：sparsity-adaptive depth refinement）框架，该框架使用稀疏深度点细化单目深度估计。对于SDR，提出了掩蔽空间传播网络（MSPN: masked spatial propagation network），通过在整个深度图中逐渐传播稀疏深度信息，有效地以不同数量的稀疏深度执行SDR。实验结果表明，MPSN 在 SDR 和传统深度补全场景上均实现了最先进的性能。