基本情况
题目：HMS-Net: Hierarchical Multi-scale Sparsity-invariant Network for Sparse Depth Completion
出处：Huang, Z., Fan, J., Cheng, S., Yi, S., Wang, X., & Li, H. (2019). Hms-net: Hierarchical multi-scale sparsity-invariant network for sparse depth completion. IEEE Transactions on Image Processing, 29, 3429-3441.
摘要密集的深度线索对于各种计算机视觉任务很重要。在自动驾驶中，激光雷达传感器用于获取车辆周围的深度测量值以感知周围环境。然而，由于其硬件限制，激光雷达的深度图通常是稀疏的。最近深度图完整吸引了越来越多的关注，其目的是从输入的稀疏深度图生成密集的深度图。
为了有效地利用多尺度特征，我们提出了三种新的稀疏不变操作，并在此基础上提出了处理稀疏输入的稀疏不变多尺度解码器网络(HMS-Net)和稀疏特征映射。其他RGB特征可以被合并，以进一步提高深度补全性能。
我们在KITTI depth completion benchmark和NYU-depth-v2 dataset两个公共基准上进行了大量的实验和组件分析，证明了所提方法的有效性。截至2018年8月12日，在KITTI depth completion leaderboard上，我们提出的不使用RGB信息的无RGB指导的模型在所有同行评审方法中排名第一，有RGB指导的模型在所有RG
