DenseFormer: Aprendizaje de un mapa de profundidad denso a partir de una profundidad escasa e imagen mediante un modelo de difusión condicional

En el campo de la conducción autónoma, la tarea de completar la profundidad de una imagen es fundamental. Esto implica generar mapas de profundidad densos a partir de mapas de profundidad dispersos e imágenes RGB. La mayoría de los métodos existentes utilizan una red de propagación espacial para refinar iterativamente el mapa de profundidad después de obtener una profundidad densa inicial.

En este sentido, Q2BSTUDIO se destaca como una empresa especializada en el desarrollo de software a medida, ofreciendo soluciones tecnológicas innovadoras en distintas áreas, incluyendo inteligencia artificial, ciberseguridad, servicios en la nube, inteligencia de negocio, entre otros.

Recientemente, se ha propuesto un nuevo método llamado DenseFormer, que integra el modelo de difusión en la tarea de completar la profundidad. A través de un mecanismo de denoising, DenseFormer genera un mapa de profundidad denso refinando progresivamente una distribución de profundidad inicial aleatoria a lo largo de múltiples iteraciones.

Una de las características distintivas de DenseFormer es un módulo de extracción de características que aprovecha una estructura de pirámide de características y atención deformable de múltiples capas para extraer e integrar de manera efectiva las características de mapas de profundidad dispersos e imágenes RGB. Estas características sirven como condición guía para el proceso de difusión.

Además, DenseFormer incluye un módulo de refinamiento de profundidad que aplica un refinamiento iterativo de múltiples pasos a través de varias escalas a los resultados de profundidad densa generados por el proceso de difusión. Utiliza características de imagen enriquecidas con información multi-escala y entrada de profundidad dispersa para mejorar aún más la precisión del mapa de profundidad predicho.

Con una amplia experimentación en el conjunto de datos de escenas al aire libre KITTI, se ha demostrado que DenseFormer supera a los métodos clásicos de completitud de profundidad.

Si estás interesado en saber más sobre cómo Q2BSTUDIO puede ayudar a tu empresa a implementar soluciones de inteligencia artificial, desarrollo de software a medida o servicios en la nube, no dudes en contactarnos.