用于高效 RGB 引导深度补全的分解引导动态滤波器
原文中文，约300字，阅读约需1分钟。发表于：。通过在 RGB 图像和稀疏深度测量之间进行预测，RGB 引导的深度完成旨在有效地利用多模态信息以预测稠密深度图。本文提出了将动态生成的滤波器分解为在每个空间位置上乘以内容自适应适配器的空间共享组件，从而降低模型参数和硬件成本，并在各项指标上优于现有方法。
本文介绍了一种名为Decoupled Dynamic Filter（DDF）的卷积方法，可以解决标准卷积的不适配和计算量大的问题。DDF将滤波器分解为空间动态滤波器和通道动态滤波器，减少了参数数量，并将计算成本限制在与深度卷积相同的水平上。实验证明，在分类网络中使用DDF可以显著提高性能，计算成本几乎减半。在检测和联合上采样网络上的实验也证明了DDF-upsampling变体的优秀性能。
