CVPR2023_Guided Depth Super-Resolution by Deep Anisotropic Diffusion 论文阅读记录_4

论文原文：https://arxiv.org/abs/2211.11592v2

摘要与引言

网络模型的上下文推理能力可以增强扩散模型的边缘增强特性。
调整步骤使得生成的图像与原始图像类似。

方法

整体网络框架如下图所示：

扩散权值是从引导图像上计算的，从而实现引导图像对原始图像的限制。

扩散模型可能会导致深度图像边界区分不明显，即生成的深度图较为平滑，本文提出的方法是想利用彩色信息限制扩散模型的梯度传导区域。如以下公式所示，
其通过计算当前像素与周围像素的差值，获得扩散权重，其中，当前像素与周围像素差值越大，当前扩散权重越小，这就有效减少了当前像素的梯度传导。

本文提到通过多次迭代，输出的结果可能趋向于一个值为常数的图像，为了避免当前结果，其可以通过下采样上采样处理后的图像，通过使得下采样后的图像与原始图像相似，实现对生成图像的约束。

整体网络框架如上所示。

实验

与其他方法的性能对比