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
1秒前
XMUZH完成签到 ,获得积分10
4秒前
沉沉完成签到 ,获得积分0
5秒前
张龙雨发布了新的文献求助10
5秒前
richard1357完成签到 ,获得积分10
6秒前
btsforever完成签到 ,获得积分10
12秒前
不想长大完成签到 ,获得积分10
14秒前
安静严青完成签到 ,获得积分10
47秒前
银才完成签到 ,获得积分10
57秒前
土拨鼠完成签到 ,获得积分10
59秒前
lwtsy完成签到,获得积分10
1分钟前
皮皮完成签到 ,获得积分10
1分钟前
灵溪完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
黑粉头头完成签到,获得积分10
1分钟前
生动的豪英完成签到 ,获得积分10
1分钟前
李某发布了新的文献求助10
1分钟前
勤奋的灯完成签到 ,获得积分10
1分钟前
Spring完成签到 ,获得积分10
1分钟前
SciGPT应助笨笨向南采纳,获得10
1分钟前
2分钟前
笨笨向南发布了新的文献求助10
2分钟前
研友_08oa3n完成签到 ,获得积分10
2分钟前
wushuimei完成签到 ,获得积分10
2分钟前
Ning00000完成签到 ,获得积分10
2分钟前
xx完成签到 ,获得积分10
2分钟前
沧海云完成签到 ,获得积分10
2分钟前
FashionBoy应助笨笨向南采纳,获得10
2分钟前
AndyChen完成签到 ,获得积分10
2分钟前
张龙雨完成签到 ,获得积分20
2分钟前
2分钟前
2分钟前
shihui发布了新的文献求助10
2分钟前
执着易形完成签到 ,获得积分10
2分钟前
轩辕德地完成签到,获得积分10
2分钟前
mochalv123完成签到 ,获得积分10
2分钟前
LUNWENREQUEST完成签到,获得积分20
2分钟前
小飞完成签到 ,获得积分10
3分钟前
科目三应助小t采纳,获得10
3分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 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 3186883
求助须知:如何正确求助?哪些是违规求助? 2836943
关于积分的说明 8011996
捐赠科研通 2499375
什么是DOI,文献DOI怎么找? 1334354
科研通“疑难数据库(出版商)”最低求助积分说明 637170
邀请新用户注册赠送积分活动 605068