首页 > 其他分享 >【深度补全最新综述】Deep Depth Completion from Extremely Sparse Data: A Survey

【深度补全最新综述】Deep Depth Completion from Extremely Sparse Data: A Survey

时间:2024-08-29 12:24:29浏览次数:11  
标签:Completion 4.1 补全 4.3 4.2 综述 深度 Data

【综述】 从稀疏的数据中进行深度补全:Deep Depth Completion from Extremely Sparse Data: A Survey

从极度稀疏数据中完成深度的研究综述

摘要

深度补全旨在从深度传感器(例如 LiDAR)捕获的极度稀疏的深度图中预测密集的逐像素深度。这在自动驾驶、3D 重建、增强现实和机器人导航等各种应用中起着至关重要的作用。近年来,基于深度学习的解决方案在该任务中取得了显著成功,并主导了这一领域的发展趋势。本文首次提供了全面的文献综述,帮助读者更好地把握研究趋势,并清晰地了解当前的进展。我们从网络架构、损失函数、基准数据集和学习策略的设计角度对相关研究进行了调查,并提出了一种新颖的分类方法来对现有方法进行分类。此外,我们在包括室内和室外数据集的三个广泛使用的基准上对模型性能进行了定量比较。最后,我们讨论了现有工作的挑战,并为未来的研究方向提供了一些见解。

1. 引言

获取正确的逐像素场景深度在场景理解[54]、自动驾驶[100]、机器人导航[75]、同时定位与建图[35]、智能农业[23]和增强现实[19]等任务中发挥着重要作用。因此,它在过去几十年中一直是一个长期研究目标。通过单目深度估计算法从单幅图像直接估算场景深度是一种具有成本效益的方法[27]、[32]、[42]、[61]。然而,视觉方法通常会产生较低的推理精度和较差的泛化能力,因此在实际部署中较为脆弱。

另一方面,深度传感器提供了具有真实场景比例的准确而稳健的距离测量,因此更适用于需要安全保

标签:Completion,4.1,补全,4.3,4.2,综述,深度,Data
From: https://blog.csdn.net/weixin_44936889/article/details/141650799

相关文章

  • Datawhale AI 夏令营 CV方向 Task 1
    一、赛事背景        城市治理赛道——随着城市化进程的加快,城市管理面临着前所未有的挑战。占道经营、垃圾堆放和无照经营游商等问题对城市管理提出了更高的要求。本赛道聚焦城市违规行为的智能检测,要求选手研究开发高效可靠的计算机视觉算法,提升违规行为检测识别的......
  • Datawhale AI 夏令营 CV方向 Task 2
    一、YOLO模型简介        YOLO模型是在图像和视频中识别感兴趣物体对象,通常通过边界框形式来识别物体。以下是物体检测的一些关键概念和步骤:输入:物体检测算法的输入通常是一张图像或视频帧。特征提取:算法使用深度学习模型(如卷积神经网络CNN)来提取图像的特征。这些......
  • SciTech-BigDataAIML-CV+CG-Digital Image/Signal Processing- RGB图片转换成 RGBA格
    RGBA与RGBRGB是Color(颜色)数值化为R(红色)、G(绿色)、B(蓝色)**三Channel(分量),每分量数值的取值范围为0-255。通过组合这三个ColorChannel(颜色分量)的不同数值,可以得到各种各样的颜色。RGBA是RGB颜色模型的一种扩展,只增加了一个表示透明度(Alpha)的透明分量(A)。A代......
  • DevExpress WinForms中文教程:Data Grid - 如何设置条件格式?
    本文介绍DevExpressWinForms中的Excel样式的条件格式设置,您可以了解最终用户可用的特性,了解可用的格式类型以及如何在设计时或在代码中设置条件格式。P.S:DevExpressWinForms拥有180+组件和UI库,能为WindowsForms平台创建具有影响力的业务解决方案。DevExpressWinForms能完美构......
  • openGauss-数据校验gs_datacheck
    openGauss-数据校验gs_datacheck可获得性本特性自openGauss3.0.0版本开始引入。特性简介gs_datacheck工具是一个基于JDK11+Springboot2.6.7框架实现openGauss/MySQL之间的同构与异构之间的数据校验。该工具提供了全量数据的校验以及增量数据的实时校验能力,可实现数据一......
  • Android经典实战之存储方案对比:SharedPreferences vs MMKV vs DataStore
    本文首发于公众号“AntDream”,欢迎微信搜索“AntDream”或扫描文章底部二维码关注,和我一起每天进步一点点在Android开发中,键值对存储(Key-ValueStorage)是一种经常用到的轻量级数据存储方案。它主要用于保存一些简单的配置数据或状态信息,例如用户设置、缓存数据等。常......
  • databaseId 不匹配导致Mybayis报错:Invalid bound statement (not found)
    问题后端调用Mapper方法报错:Invalidboundstatement(notfound)排查过程按网上方式逐一排查,都未解决问题网上搜不到解决方案,只能查看源码了首先定位到com.baomidou.mybatisplus.extension.spring.MybatisSqlSessionFactoryBean#buildSqlSessionFactory方法打上一个条件断......
  • AutoSynth: Learning to Generate 3D Training Datafor Object Point Cloud Registrat
    目录一、导言二、先导知识1、进化算法概述2、4pcs算法3、Super4PCS算法三、相关工作1、传统点云配准工作2、基于深度学习的点云配准3、生成训练数据集四、AutoSynth框架1、搜索空间2、进化算法3、代理任务模型五、实验 1、测试数据集2、BOP评估指标3、对比实......
  • 【STC15】内部RAM讲解(data/idata/xdata的区别)
    简短不看版空间分配先使用data,data不够再用idata,idata使用时要预留22个字节以上的空间进行压栈,idata不够再使用xdata,这样的程序效率是最高的在1T的模式下,程序运行速度比12T的快很多,压22个字节和6个字节效率差不太多,如果不是很熟练,少用using,如果熟练了,可以使用using优化多去pro......
  • 机器学习新手入门笔记02#AI夏令营#Datawhale X 李宏毅苹果书#夏令营
    机器学习一、线性模型(一)概念把输入的特征x乘上一个权重,再加上一个偏置得到预测的结果,这样的模型称为线性模型(linearmodel)。(二)分段线性曲线(piecewiselinearcurve)局限性:Linearmodelshaveseverelimitation:ModelBias,soweneedamoreflexiblemodel!分段线性曲......