Learning Guided Convolutional Network for Depth Completion
这篇文章基于Dynamic Filtering Networks的理念。
总体结构
输入是RGB图片以及稀疏的深度图，最终输出的是稠密的深度图。整体结构很类似于基础的FPN
Guided Convolution Module
左图表达了总体的思路，就是使用RGB image的特征作为引导层，局部地生成卷积核，对稀疏深度图进行卷积(与DFN的第二种实现相似)。 但是这种类似于局部卷积的方式对GPU显存消耗很大。作者提出模仿Mobile Net的思路。第一阶段使用Channel-wise 局部卷积，第二阶段使用Spatial-invariant的普通卷积.