图像三维重建专题第四期-使用级联CNNs对深度图去噪和精炼DDRNet

论文链接

摘要

        消费级传感器越来越受到欢迎和在我们的日常生活被它最近的融合在最新的IphoneX。然而,他们仍然受困于噪声而限制他们的应用。虽然大部分的处理已经被做来减少噪声和boost矩阵细节,由于先天固有因素和实时的需求,这个问题仍然没有被很好解决。我们提出了一个级联深度去噪和精炼网络(DDRNet)来处理这个问题,通过利用多帧融合几何和完成高质量颜色图像通过一个加入训练策略。这个渲染公式被开发在我们的网络是一个无监督的行为。具体细节,我们使用无监督损失基于轻量转换来提取高频率几何。实验结果表明我们的网络完成实时的单深度增强在各种场景中。非常好的隔离低高频率信息在级联网络,我们实现极好的性能超过先进的技术。

系统框架

图像三维重建专题第四期-使用级联CNNs对深度图去噪和精炼DDRNet_第1张图片

深度图降噪网络

图像三维重建专题第四期-使用级联CNNs对深度图去噪和精炼DDRNet_第2张图片

细致网络结构

图像三维重建专题第四期-使用级联CNNs对深度图去噪和精炼DDRNet_第3张图片

验证集上的质量结果

图像三维重建专题第四期-使用级联CNNs对深度图去噪和精炼DDRNet_第4张图片

指标对比

图像三维重建专题第四期-使用级联CNNs对深度图去噪和精炼DDRNet_第5张图片

你可能感兴趣的:(RGBD)