Self-Supervised Learning for RGB-Guided Depth Enhancement by Exploiting the Dependency Between RGB and Depth

RGB颜色模型 人工智能 计算机科学 依赖关系(UML) 计算机视觉 降噪 噪音(视频) 模式识别(心理学) 图像(数学)
作者
Jun Wang,Peilin Liu,Fei Wen
出处
期刊:IEEE transactions on image processing [Institute of Electrical and Electronics Engineers]
卷期号:32: 159-174 被引量:5
标识
DOI:10.1109/tip.2022.3226419
摘要

Due to the imaging mechanism of time-of-flight (ToF) sensors, the captured depth images usually suffer from severe noise and degradation. Though many RGB-guided methods have been proposed for depth image enhancement in the past few years, yet the enhancement performance on real-world depth images is still largely unsatisfactory. Two main reasons are the complexity of realistic noise and degradation in depth images, and the difficulty in collecting noise-clean pairs for supervised enhancement learning. This work aims to develop a self-supervised learning method for RGB-guided depth image enhancement, which does not require any noisy-clean pairs but can significantly boost the enhancement performance on real-world noisy depth images. To this end, we exploit the dependency between RGB and depth images to self-supervise the learning of the enhancement model. It is achieved by maximizing the cross-modal dependency between RGB and depth to promote the enhanced depth having dependency with the RGB of the same scene as much as possible. Furthermore, we augment the cross-modal dependency maximization formulation based on the optimal transport theory to achieve further performance improvement. Experimental results on both synthetic and real-world data demonstrate that our method can significantly outperform existing state-of-the-art methods on depth denoising, multi-path interference suppression, and hole filling. Particularly, our method shows remarkable superiority over existing ones on real-world data in handling various realistic complex degradation. Code is available at https://github.com/wjcyt/SRDE.
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
zhang完成签到 ,获得积分10
2秒前
韩寒完成签到 ,获得积分10
6秒前
gfr123发布了新的文献求助10
12秒前
mzhang2完成签到 ,获得积分10
13秒前
在水一方应助GU采纳,获得10
16秒前
xxxksk完成签到 ,获得积分10
23秒前
gfr123完成签到,获得积分20
24秒前
海阔天空完成签到 ,获得积分10
30秒前
zhang完成签到,获得积分10
41秒前
体贴问丝完成签到 ,获得积分10
57秒前
Wsyyy完成签到 ,获得积分10
1分钟前
宁静致远完成签到,获得积分10
1分钟前
1分钟前
maxyer完成签到,获得积分10
1分钟前
马大翔应助科研通管家采纳,获得10
1分钟前
深情安青应助科研通管家采纳,获得10
1分钟前
GU发布了新的文献求助10
1分钟前
Wang完成签到 ,获得积分10
1分钟前
AidenZhang完成签到,获得积分10
1分钟前
unowhoiam完成签到 ,获得积分10
2分钟前
HLT完成签到 ,获得积分10
2分钟前
蛋妮完成签到 ,获得积分10
2分钟前
丸子完成签到 ,获得积分10
2分钟前
快乐的90后fjk完成签到 ,获得积分10
2分钟前
会顺利毕业的小夏完成签到,获得积分10
2分钟前
eternal_dreams完成签到 ,获得积分10
2分钟前
Hkane完成签到,获得积分10
2分钟前
浚稚完成签到 ,获得积分10
2分钟前
于洋完成签到 ,获得积分10
2分钟前
顺心曼雁完成签到 ,获得积分10
2分钟前
Yuzuru_gyq完成签到 ,获得积分10
3分钟前
Zhai完成签到 ,获得积分10
3分钟前
内向东蒽完成签到 ,获得积分10
3分钟前
经管研究生完成签到 ,获得积分10
3分钟前
玩命的无春完成签到 ,获得积分10
3分钟前
丰富的绮山完成签到,获得积分10
3分钟前
杨一完成签到 ,获得积分10
3分钟前
roundtree完成签到 ,获得积分0
3分钟前
大生蚝完成签到 ,获得积分10
3分钟前
Singularity应助科研通管家采纳,获得10
3分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
Handbook on People's China (1957) 400
2024 Medicinal Chemistry Reviews 400
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 3190097
求助须知:如何正确求助?哪些是违规求助? 2839411
关于积分的说明 8023505
捐赠科研通 2502244
什么是DOI,文献DOI怎么找? 1336398
科研通“疑难数据库(出版商)”最低求助积分说明 637836
邀请新用户注册赠送积分活动 605974