Apr, 2021

快速准确的现实世界深度超分辨率：基准数据集和基准模型

PDF
TL;DR本文提出了一种新的深度图像超分辨率方法，利用移动手机和 Lucid Helios 采集的配对 LR 和 HR 深度图构建了一个名为 RGB-D-D 的大规模数据集，并提供了一个快速深度图超分辨率（FDSR）基准线，与现有公共数据集上的基准方法相比，我们的网络在效果和效率上都有很大的提升，并且可以处理真实世界中的 LR 深度图以产生更准确，清晰的边界，并在一定程度上修正深度值错误。
depth map super-resolutioncomputer visiondataset creationpaired training samplesfast depth map super-resolution
发现论文，激发创造
  • 深度图超分辨率的多尺度渐进融合学习

    本研究提出一种多尺度渐进融合网络方法来处理深度图像的超分辨率问题，该方法采用异态结构用于整合不同领域的层次特征，并引入多维损失函数来约束明确的边界和细节，大量实验证明该方法在定性和定量方面均产生了优于最先进方法的改进结果。

    Nov, 2020

  • 深度图像超分辨率的尖端技术

    本研究提出了一种基于 Swin 变换器架构和非线性激活函数自由网络的联合图像滤波深度图超分辨率算法，并通过数值研究和视觉示例证明了其在保持竞争计算时间的同时提高了最先进性能。

    Jun, 2023

  • 基于通道注意力的迭代残差学习用于深度地图超分辨率

    本文提出了一种针对现实世界深度图超分辨率（DSR）的技术框架，该框架包括四个模块，并在基准数据集上进行实验表明，该方法优于当前最先进的 DSR 方法。

    Jun, 2020

  • 使用深度学习的结构光扫描数据的超采样

    本文针对使用结构光技术获取的深度图进行提高分辨率的问题，通过修改 FDSR 和 DKN 两个深度学习模型以适应高分辨率数据，并实施数据预处理技术进行稳定训练。在我们自定义的 1200 个 3D 扫描数据集上对模型进行训练，并使用定性和定量评估指标对实现的高分辨率深度图进行评估。通过首先对高分辨率深度图进行下采样，对低分辨率数据进行各种处理步骤，然后上采样深度图或通过更便宜的设备提高低分辨率捕获的点云的分辨率，实现了深度图上采样的方法具有减少处理时间的好处。实验表明，FDSR 模型在处理时间上表现优异，适用于在速度至关重要的应用；而 DKN 模型提供了更高精度的结果，适合优先考虑准确性的应用。

    Nov, 2023

  • BridgeNet: 深度图像超分辨率和单目深度估计联合学习网络

    本文提出一个基于多任务学习的联合深度图超分辨率与单目深度估计网络，采用不同的引导策略设计两个桥梁，一个是用于特征编码过程的高频注意力桥梁，另一个是用于深度图重建过程的内容引导桥梁，实验证明该方法在基准数据集上具有竞争性能。

    Jul, 2021

  • 面向真实世界的单张图像超分辨率：新的基准和新的模型

    本文提出了一种基于 Laplacian 金字塔的核预测网络（LP-KPN）来恢复高分辨率图像，通过使用实际拍摄的 LR-HR 图像对构建 RealSR 数据集，证明了使用此数据集训练的 SISR 模型在真实场景中能够提供更好的视觉效果，且模型能够适应不同的相机设备。

    Apr, 2019

  • 结构流导向网络用于真实深度超分辨率

    本文提出了一种新的结构流引导的 DSR 框架，其中学习交叉模态流图来指导 RGB - 结构信息的传输，以实现精确的深度超分辨率提升，经过对真实和合成 DSR 数据集的广泛实验，验证了该方法相对于现有技术的卓越性能。

    Jan, 2023

  • 基于深度学习的 3D 外观超分辨率重建

    本文提出一种基于深度学习的方法，通过利用多视角下的几何信息来超分辨率重建三维物体材质纹理贴图，数据集采用了 ETH3D、SyB3R、MiddleBury、TUM、Fountain 和 Relief 等。

    Jun, 2019

  • 深度超分辨率对称不确定性感知特征传输

    本文提出了一种新颖的对称不确定性特征传输（SUFT）来解决深度图超分辨率中颜色指导的挑战，包括分辨率差异和跨模态差异，并取得了优于现有方法的表现。

    Jun, 2023

  • 深度超分辨率遇上未校准的光度立体

    本文提出了一种新颖的 RGB-D 传感器深度超分辨率方法，该方法通过高分辨率光度线索澄清深度超分辨率，并对未校正的光度立体进行低分辨率深度线索的澄清。使用变分方法处理 RGB-D 序列，并通过新的 PDE 光度立体正则化器隐式地保持了表面的规则性。实验表明，该方法能够在无需任何特殊先验知识或材料校准的情况下，在现实世界的环境中拍摄高质量的深度图像。

    Aug, 2017