关键词kitti depth completion benchmark
搜索结果 - 3
- 自动驾驶中基于图像导向的深度补全的简明有效网络
深度补全是自动驾驶中关键的任务之一,旨在将稀疏的深度图转化为密集的深度预测。通过基于 RGB 图像的融合,我们提出了一种简洁而有效的网络结构 CENet,实现了高性能深度补全,具有优秀的准确性和效率。
- ICCV学习联合 2D-3D 表示进行深度补全
本文介绍了一种从 RGBD 数据中完成深度完成的简单且有效的神经网络块,该块能够学习提取联合的 2D 和 3D 特征,并成功地在 KITTI 深度完成基准测试中取得了优异的表现。
- 无监督的视觉惯性测量深度补全
本文提出一种利用相机运动和视觉惯性测距系统估算的稀疏深度来推断密集深度的方法,采用预测性跨模态标准,通过构建场景的分段平面脚手架来推断密集深度,并在 KITTI 深度完成基准上表现出最先进的性能。