论文阅读《Spherical Space Feature Decomposition for Guided Depth Map Super-Resolution》

论文地址：https://openaccess.thecvf.com/content/ICCV2023/papers/Zhao_Spherical_Space_Feature_Decomposition_for_Guided_Depth_Map_Super-Resolution_ICCV_2023_paper.pdf
源码地址： https://github.com/Zhaozixiang1228/GDSR-SSDNet

---

概述

  GDSR是一种多模态图像处理的热门话题，它的目的是利用同一场景中的高分辨率（HR）RGB图像中的额外信息来放大低分辨率（LR）深度图。这个任务的关键步骤是有效地提取RGB/深度特征中的域共享和域独有信息。此外，还需要解决三个细节问题，即模糊的边缘，噪声的表面和RGB纹理伪影。为了解决这些问题，文中提出了一种球形空间特征分解网络（SSDNet）。为了更好地建模跨模态特征，使用基于Restormer块的RGB/深度编码器来提取局部-全局特征。然后，将提取的特征映射到球形空间，完成域私有特征的分离和共享特征的对齐。RGB的共享特征与深度特征融合，完成GDSR任务。接下来，作者提出了一个球形对比优化（SCR）模块，进一步解决细节问题。将根据不完美类别分类的小块输入到SCR模块&#