超深度（HyperDepth） swMATH ID: 43942 软件作者： 肖恩·瑞安·法内洛（Sean Ryan Fanello）；克里斯托夫·莱曼；弗拉基米尔·坦科维奇；阿达斯·考德尔（Adarsh Kowdle）；塞尔吉奥·奥尔特·埃斯科拉诺；大卫·金；沙赫拉姆·伊扎迪 说明： HyperDepth：在没有匹配的情况下从结构光中学习深度。结构光传感器因其对非纹理场景和多径的鲁棒性而广受欢迎。这些系统通过解决每个摄像机和投影仪像素之间的对应问题来三角化深度。这通常被视为局部立体匹配任务，将观察图像和参考图像中的像素块关联起来。然而，这需要大量计算，导致深度精度和帧速率降低。我们提供了一种算法，可以在不影响深度精度的情况下有效地解决此对应问题。第一次，这个问题被视为一个分类-回归任务，我们使用级联随机森林集合非常有效地解决了这个问题。我们的算法根据视差的数量进行缩放，每个像素都可以独立和并行处理。运行时不需要匹配甚至访问相应的引用模式，回归标签直接映射到深度。我们基于GPU的算法对1.3MP输入/输出图像以1KHz的频率运行，视差误差为0.1个子像素。我们展示了一个高帧速率深度相机的原型，运行频率为375Hz，有助于解决与跟踪相关的问题。我们展示了我们的算法性能，创建了超过当前最先进深度技术质量的高分辨率实时深度图，突出了无量化结果，减少了空洞、边缘增厚和其他基于立体的深度伪影。 主页： https://openaccess.thecvf.com/content_cvpr_2016/papers/Fanello_HyperDepth_Learning_Depth_cvpr_2016_paper.pdf 关键词： 摄像头;稳健性;光学传感器;模式匹配;图像分辨率;实时系统 相关软件： 交通运输部;款式GAN2;ResMLP公司;布里斯克;效率检测;面2面;打开姿势;NIMA公司;网格实验室;SegStereo公司;锚网;软剪刀;MVS网络;效率网;时尚-MNIST;摄像头网络;DISN公司;群集适配;PWC-网络;Flickr30K手机;位置CNN 引用于： 1文件 1位作者引用 1 理查德·塞利斯基 连载1篇 1 计算机科学课文 在1个字段中引用 1 计算机科学（68至XX） 按年份列出的引文