Transactions on Pattern Analysis and Machine Intelligence 发表题为“Deep Depth Completion from Extremely Sparse Data: A Survey”的综述文章。

论文链接: https://ieeexplore.ieee.org/document/9984942

本文全面调研了激光雷达获取的稀疏深度的补全问题。深度补全旨在从深度传感器捕获的稀疏深度图中进行矩阵补全,从而获取密集的像素级深度。它在自动驾驶、3D 重建、增强现实和机器人导航等各种应用中发挥着至关重要的作用。目前,基于深度学习的解决方案在该任务上取得了极大成功。在本文中,我们首次提供全面的文献综述,帮助读者更好地掌握研究趋势,清楚地了解当前的进展。我们从网络架构、损失函数、基准数据集和学习策略的设计方面调研相关研究,并对现有方法进行分类。此外,我们在两个广泛使用的基准数据集(包括室内和室外数据集)上对模型性能进行了定量比较。最后,我们讨论了先前工作的挑战,并为读者提供了对未来研究方向的一些见解。

本文通过对已有方法的层次分析和归纳,描述了基于深度学习的深度图补全技术的发展,让读者能够有一些直观的了解,并提供一些有价值的讨论。具体来说,我们回答了以下问题:

  1. 目前能够实现高精度深度图补全的方法有哪些共同特点?
  2. 与无RGB图像融合的方法相比,融合RGB图像方法的优点和缺点是什么?
  3. 以往的研究大多同时使用了视觉数据和LiDAR数据,那么多模态数据融合最有效的策略是什么?
  4. 目前面临的挑战是什么?

本文主要内容总结如下:

  1. 本文为首篇深度补全综述。我们给出了一个深入和全面的文献调研,包括无RGB图像融合和有RGB图像融合的方法。
  2. 我们提出了一个新的分类法来归纳已有方法,并可视化它们的主要特征,包括网络结构、损失函数和学习策略。
  3. 本文涵盖了基于深度学习的深度补全方法的最新进展,并在基准数据集上进行了性能比较,为读者提供了最前沿的方法。
  4. 本文提供了几个开放挑战和一些有价值的未来研究方向。
成为VIP会员查看完整内容
16

相关内容

IEEE模式分析和机器智能期刊TPAMI(IEEE Trans on Pattern Analysis and Machine Intelligence)出版了有关计算机视觉和图像理解的所有传统领域,模式分析和识别的所有传统领域以及机器智能的选定领域的文章,其中特别强调了用于模式分析的机器学习。还涵盖了诸如可视搜索,文档和手写分析,医学图像分析,视频和图像序列分析,基于内容的图像和视频检索,面部和手势识别以及相关的专用硬件和/或软件体系结构等技术领域。 官网地址:http://dblp.uni-trier.de/db/journals/pami/
《深度学习医学图像配准》综述进展
专知会员服务
47+阅读 · 2022年5月9日
基于深度神经网络的图像缺损修复方法综述
专知会员服务
25+阅读 · 2021年12月18日
专知会员服务
114+阅读 · 2021年1月11日
专知会员服务
18+阅读 · 2020年12月23日
3D目标检测进展综述
专知会员服务
191+阅读 · 2020年4月24日
专知会员服务
103+阅读 · 2020年3月12日
综述 | 激光与视觉融合SLAM
计算机视觉life
18+阅读 · 2020年10月8日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
7+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
12+阅读 · 2021年6月21日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
26+阅读 · 2020年3月13日
Arxiv
22+阅读 · 2018年8月30日
VIP会员
相关VIP内容
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
7+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员