本研究提出了一种几何解耦网络（GDNet），旨在从压缩深度源恢复高质量深度图。该方法有效处理局部细节与全局特征，显著提升了几何一致性和细节恢复能力，并在ECCV 2024 AIM挑战中获得一等奖。

本文提出了一种统一的 CNN 框架，通过模拟深度与表面法线的几何约束，预测稀疏 LiDAR 输入的置信度，实现深度图的恢复。该方法在 KITTI 和 NYU-Depth-V2 数据集上表现优异，适用于自动驾驶等领域。