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
彭于晏应助zhangsan采纳,获得10
2秒前
赘婿应助zhangsan采纳,获得10
2秒前
坦率的从波完成签到 ,获得积分10
2秒前
机灵的芷波完成签到 ,获得积分10
3秒前
符从丹完成签到,获得积分10
7秒前
kais完成签到 ,获得积分10
9秒前
喵了个咪完成签到 ,获得积分10
11秒前
AURORA完成签到 ,获得积分10
13秒前
研友_Z119gZ完成签到 ,获得积分10
14秒前
青安完成签到,获得积分10
18秒前
酷酷问夏完成签到 ,获得积分10
20秒前
与共完成签到 ,获得积分10
24秒前
chrysan完成签到,获得积分10
24秒前
zhang完成签到,获得积分10
25秒前
和平完成签到 ,获得积分10
28秒前
研友_LMra0n完成签到,获得积分10
30秒前
杨乃彬完成签到,获得积分10
30秒前
她的城完成签到,获得积分0
31秒前
沉静的清涟完成签到,获得积分10
33秒前
曾经的慕灵完成签到,获得积分10
34秒前
伊yan完成签到 ,获得积分10
35秒前
蔚111完成签到 ,获得积分10
47秒前
沙漠西瓜皮完成签到 ,获得积分10
47秒前
zzz完成签到 ,获得积分10
49秒前
超级的妙晴完成签到 ,获得积分10
53秒前
wanci应助完美夜云采纳,获得10
53秒前
曾经耳机完成签到 ,获得积分10
53秒前
zhangsan完成签到,获得积分10
53秒前
烟熏妆的猫完成签到 ,获得积分10
1分钟前
小墨墨完成签到 ,获得积分10
1分钟前
佩吉的布丁完成签到 ,获得积分10
1分钟前
安安完成签到 ,获得积分10
1分钟前
lee完成签到,获得积分10
1分钟前
疯狂的迪子完成签到 ,获得积分10
1分钟前
聪明摩托完成签到,获得积分10
1分钟前
锋feng完成签到 ,获得积分10
1分钟前
我不会乱起名字的完成签到,获得积分10
1分钟前
机智的小羊尾完成签到 ,获得积分10
1分钟前
皮卡丘完成签到 ,获得积分0
1分钟前
fay1987完成签到,获得积分10
1分钟前
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 3192705
求助须知:如何正确求助?哪些是违规求助? 2841745
关于积分的说明 8034591
捐赠科研通 2505453
什么是DOI,文献DOI怎么找? 1338603
科研通“疑难数据库(出版商)”最低求助积分说明 638372
邀请新用户注册赠送积分活动 606929