标题：DenseTransformer：从稀疏到密集的深度信息互补模型
作者：潘俊杰 张旭
作者单位：上海大学机电工程与自动化学院，上海 200444
关键字：深度补全；三维重建；深度学习
摘要：提出了一种深度图修复模型DenseTransformer，其结合RGB图像与稀疏深度图的多模态特征，通过优化的编码器-解码器结构与非局部邻居传播优化模块，提升了深度补全的准确性和鲁棒性。具体地，模型采用互补特征选择块（CFS）来建立RGB图像与插值深度图的对应关系，并通过引入置信度和可学习亲和归一化方法，进一步改善深度预测。实验结果表明，所提出的模型在NYU Depth V2数据集上均表现出优越的性能，在复杂场景中展现了出色的细节恢复能力和边界连续性，显著优于现有的主流方法。