非引导方法深度补全系列——1—— 《Sparsity invariant cnns》文章细读

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

目录

创新点

论文概述

方法详解

网络结构：

杂七杂八

总结

参考

---

创新点

1.提出了一种稀疏卷积层，在卷积过程中使用二进制有效性掩码来指示缺失的元素。

2.大规模数据集

---

论文概述

1.深度补全

       本篇论文之后，深度补全这个概念更加明显，之前的深度补全的问题和图像处理的任务相似，像图像超分辨方法，处理的问题类似将低分辨率的深度图优化到高分辨率

2.稀疏卷积

       引入一个新的稀疏卷积层，在卷积过程中使用二进制有效性掩码来指示缺失的元素，此方法直接对输入操作，考虑了丢失数据的位置，根据像素有效性对卷积核进行加权，另外，第二个将关于像素的有效性的信息传递给网络后续层，使我们的方法能够处理大量稀疏度而不会显着降低准确性。

3.大规模数据集

       基于KITTI原始数据集创建了一个新的大规模数据集，该数据集由93k帧组成，具有半稠密的deep ground truth。结果表明，我们提出的累积和清理管道能够消除原始激光雷达扫描中的异常值，同时显著增加数据密度。减少了动态物体导致雷达扫描出现的显著误差。