초록
우리는 이미지와 관련된 밀도 깊이 맵의 사후 분포를 추론하기 위해 희소 거리 측정치(예: 라이다에서 얻은 값)를 활용하는 딥러닝 시스템을 제시합니다. 라이다는 전체 픽셀 중 소수의 픽셀에 대한 깊이 값을 제공할 수 있지만, 우리는 학습 데이터셋에서 반영된 규칙성을 활용하여 맵을 완성하여 이미지의 각 픽셀에 대해 깊이의 확률을 가지도록 합니다. 이 과정에서 조건부 사전 확률 네트워크(Conditional Prior Network)를 사용하여 이미지 주어졌을 때 각 깊이 값에 대한 확률을 연관시키고, 이를 희소 측정치를 사용하는 우도 항과 결합합니다. 또한 학습 과정에서 스테레오 이미지를 활용할 수 있지만, 실행 시에는 단일 이미지와 희소 포인트 클라우드만 필요로 합니다. 우리는 KITTI 벤치마크를 사용하여 감독되지 않은 및 감독된 깊이 완성 작업에서 우리의 접근 방식을 테스트하였으며, 두 경우 모두 최신 기술(SOTA)보다 개선된 결과를 보여주었습니다.