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
Yoki完成签到,获得积分10
1秒前
天马行空完成签到,获得积分10
1秒前
2秒前
wjswift完成签到,获得积分10
2秒前
研友_VZG7GZ应助科研通管家采纳,获得10
3秒前
精明芷巧完成签到 ,获得积分10
4秒前
思源应助zylt50采纳,获得10
5秒前
7秒前
舒适的天奇完成签到 ,获得积分10
7秒前
仔仔在发布了新的文献求助10
8秒前
东湾苍梧完成签到,获得积分10
9秒前
飞向火星完成签到,获得积分10
9秒前
bigfish完成签到,获得积分10
11秒前
熊亚丹发布了新的文献求助10
12秒前
12秒前
小蘑菇应助屁王采纳,获得10
13秒前
Avicii完成签到 ,获得积分10
13秒前
Ruuo616完成签到 ,获得积分10
14秒前
14秒前
Xxing完成签到,获得积分10
15秒前
权小夏完成签到 ,获得积分10
16秒前
勤奋曼雁完成签到 ,获得积分10
16秒前
17完成签到,获得积分10
16秒前
聪明芹发布了新的文献求助10
17秒前
一碗鱼完成签到,获得积分10
17秒前
重要无极完成签到,获得积分0
17秒前
一颗煤炭完成签到 ,获得积分10
17秒前
飞龙在天完成签到,获得积分0
20秒前
zylt50发布了新的文献求助10
20秒前
wjj完成签到 ,获得积分10
22秒前
22秒前
22秒前
小屁孩完成签到,获得积分0
22秒前
完美笑翠完成签到 ,获得积分10
23秒前
NexusExplorer应助聪明芹采纳,获得10
24秒前
屁王发布了新的文献求助10
25秒前
25秒前
witty完成签到 ,获得积分10
25秒前
龙无赖完成签到 ,获得积分10
27秒前
一一完成签到 ,获得积分10
28秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
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 3192719
求助须知:如何正确求助?哪些是违规求助? 2841827
关于积分的说明 8034895
捐赠科研通 2505467
什么是DOI,文献DOI怎么找? 1338632
科研通“疑难数据库(出版商)”最低求助积分说明 638392
邀请新用户注册赠送积分活动 606967