计算机辅助设计与图形学学报

作者：范志伟, 李滔, 罗松宁, 周群兵, 林宏伟

关键词：深度图像修复, 辅助任务, 特征融合, 注意力机制

深度图像修复是由稀疏深度图像恢复出密集深度图像. 针对目前单幅深度图像修复算法存在边界模糊、语义信息缺失等问题, 提出一种多辅助任务下的单幅深度图像修复算法. 采用由粗到精的修复模式, 粗修复网络采用核选择卷积有效地提取输入信息, 精修复网络由深度图像修复主任务和相关辅助任务构成; 灰度重建辅助任务旨在从灰度图像中学习到丰富的语义信息, 并由特征融合分支将所学语义信息传递到深度图像修复主任务, 有效地解决深度图像修复中细节缺失、结构混乱等问题; 边界预测辅助任务侧重于提高密集深度图像的边界准确性和清晰度; 深度图像修复主分支和灰度重建辅助分支间的特征融合分支中, 使用空间和通道注意力机制实现多任务特征的自适应融合, 增强相关特征和抑制无关特征. 在NYUv2数据集上的实验结果表明, 所提算法的修复视觉效果良好, 在采样点数量为200时, 客观评价指标RMSE和REL分别取得0.199和0.033的结果, 均优于对比算法.

来源：2024年第11期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第11期