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
RadiantYT发布了新的文献求助10
1秒前
大呲花完成签到,获得积分10
2秒前
unborned完成签到 ,获得积分10
2秒前
发发完成签到 ,获得积分10
4秒前
大呲花发布了新的文献求助10
4秒前
乐乐应助西柚采纳,获得10
5秒前
迷人嫣然完成签到,获得积分10
6秒前
平淡访冬完成签到 ,获得积分10
7秒前
8秒前
薄荷小姐完成签到 ,获得积分10
9秒前
善良海云完成签到,获得积分10
11秒前
踏雪飞鸿完成签到,获得积分10
12秒前
薄荷小新完成签到 ,获得积分10
12秒前
苦咖啡行僧完成签到 ,获得积分10
14秒前
缥缈可乐完成签到,获得积分10
14秒前
东方欲晓完成签到,获得积分10
15秒前
hahaha完成签到,获得积分10
16秒前
17秒前
ZZ完成签到,获得积分10
17秒前
xiao完成签到 ,获得积分10
18秒前
开心向真完成签到,获得积分10
21秒前
洋山芋完成签到,获得积分10
21秒前
kelper完成签到,获得积分10
22秒前
程程完成签到,获得积分10
22秒前
24秒前
叼面包的数学狗完成签到 ,获得积分10
24秒前
灰灰喵完成签到 ,获得积分10
25秒前
昭华昭华完成签到 ,获得积分10
25秒前
27秒前
cloudy90完成签到,获得积分10
28秒前
迷路的含桃完成签到 ,获得积分10
29秒前
杭啊完成签到 ,获得积分10
29秒前
alixy完成签到,获得积分10
29秒前
sia完成签到 ,获得积分10
30秒前
145546完成签到 ,获得积分10
31秒前
西柚发布了新的文献求助10
32秒前
我是老大应助优美丹雪采纳,获得10
32秒前
imomoe完成签到,获得积分10
33秒前
33秒前
旺仔完成签到 ,获得积分10
34秒前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
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 3183774
求助须知:如何正确求助?哪些是违规求助? 2833836
关于积分的说明 7995777
捐赠科研通 2496108
什么是DOI,文献DOI怎么找? 1331890
科研通“疑难数据库(出版商)”最低求助积分说明 636459
邀请新用户注册赠送积分活动 603625