这篇论文介绍了DCTNet，一种用于引导深度图超分辨率的方法，它结合了2D泊松方程和离散余弦变换。网络包括SCFE模块、GESA模块、DCT模块和DR模块，分别用于特征提取、边缘选择、增加灵活性和深度图重建。通过L2-loss进行优化，并进行了消融研究以验证各组件的效果。实验表明，DCTNet在处理跨模态特征相关性和灵活性方面表现优越。
论文名字：Discrete Cosine Transform Network for Guided Depth Map Super-Resolution CVPR2022
论文下载地址：https://arxiv.org/pdf/2104.06977
论文代码地址：https://github.com/Zhaozixiang1228/GDSR-DCTNet
引导深度超分辨率（GDSR）：存在同一场景的高分辨率（HR）RGB图像和低分辨率深度图像，重建高分辨率深度图像。
整体网络框架如下图所示：
先介绍一些符号代表的内容：
HR RGB表示为： R R R
HR RGB的亮度通道： R ~ \widetilde{R} R
1303
1233
5391
898
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
