Depth Super-Resolution by Texture-Depth Transformer

人工智能 变压器 计算机科学 计算机视觉 图像分辨率 高分辨率 融合 特征(语言学) 低分辨率 模式识别(心理学) 地质学 遥感 工程类 电压 哲学 电气工程 语言学
作者
Chao Yao,Shuaiyong Zhang,Mengyao Yang,Meiqin Liu,Junpeng Qi
标识
DOI:10.1109/icme51207.2021.9428393
摘要

Depth maps have been still suffering from some non-negligible effects, resulting from the consumer-level sensors. The limited resolution of the acquired depth maps is one of these annoying issues. Many prominent researchers have recently made a lot of efforts, such as traditional filters, as well as the deep learning paradigms. However, depth super-resolution is still an open challenge. In this paper, we design a texture-depth transformer for depth super-resolution task, which can learn the corresponding structural information of the high-resolution texture images and the corresponding interpolated depth maps. Moreover, a multi-scale feature fusion strategy is exploited to further enhance the fusion feature. Complementary to a quantitative evaluation, we demonstrate the effectiveness of the proposed approach.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
NexusExplorer应助呆萌的兔子采纳,获得10
刚刚
1秒前
2秒前
2秒前
zyl发布了新的文献求助10
2秒前
liushuoshuoliu完成签到,获得积分10
2秒前
桐桐应助luqian采纳,获得10
3秒前
4秒前
敏敏完成签到,获得积分10
4秒前
zjh发布了新的文献求助10
5秒前
6秒前
斯文败类应助乐山乐水采纳,获得10
6秒前
微笑发布了新的文献求助10
6秒前
6秒前
touch发布了新的文献求助10
6秒前
乐乐应助weitao采纳,获得10
7秒前
dd完成签到,获得积分10
8秒前
8秒前
9秒前
123完成签到,获得积分20
10秒前
11秒前
是你啊发布了新的文献求助10
11秒前
12秒前
li发布了新的文献求助10
12秒前
Jorna发布了新的文献求助10
12秒前
Rjy发布了新的文献求助10
12秒前
12秒前
XMUh发布了新的文献求助10
12秒前
luqian完成签到,获得积分10
14秒前
美好箴完成签到,获得积分20
15秒前
木穹完成签到,获得积分10
15秒前
隐形曼青应助微笑采纳,获得10
17秒前
ztc20832完成签到,获得积分10
17秒前
养乐多完成签到 ,获得积分10
17秒前
Hello应助年轻自行车采纳,获得30
18秒前
planA完成签到,获得积分10
18秒前
19秒前
19秒前
20秒前
Ma完成签到,获得积分20
20秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Write Like a Chemist: A Guide and Resource (第二版) 600
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3199603
求助须知:如何正确求助?哪些是违规求助? 2848487
关于积分的说明 8068080
捐赠科研通 2513157
什么是DOI,文献DOI怎么找? 1345753
科研通“疑难数据库(出版商)”最低求助积分说明 640111
邀请新用户注册赠送积分活动 609780