LRRU：用于深度补全的长短递归更新网络
原文中文，约400字，阅读约需1分钟。发表于：。我们提出了一种轻量级深度学习网络框架，Long-short Range Recurrent Updating (LRRU) 网络，通过联合考虑 RGB 图像和待更新的深度图进行学习，动态调整核的范围以捕获长程和短程依赖关系，并最终将粗糙但完整的场景深度信息转化为准确的深度图。
本文介绍了一种新的深度估计任务——激光雷达深度补全，并提出了一种基于LSTM和Transformer模块的重新设计方法，通过高效融合颜色和深度特征，并在多个尺度上进行循环优化，最后通过Transformer的多头注意力机制进一步融合深度特征。实验证明，该方法无需重复的网络结构和后处理步骤，只需在简单的编码器-解码器网络结构上添加该模块，就能达到最先进的性能。
