PENet_ICRA2021：ICRA 2021“迈向精确高效的图像引导深度完成”

PENet：精确高效的深度补全 此回购是我们论文的PyTorch实现，该论文出现在ICRA2021上的，由浙江大学的Mu Hu，王淑玲，李斌，宁世宇，李凡和上海。 为任何与代码相关的问题创建一个新问题。 有任何与纸张相关的问题，请随时通过指导我。 结果 提交时，建议的完整模型在在线排行榜中排名第一。 它比大多数排名靠前的方法要快得多。 ENet和PENet均可在2x11G GPU上进行全面培训。 我们的网络仅通过KITTI数据集进行训练，而不是在Cityscapes或其他类似的驾驶数据集（合成或真实）上进行预训练。 方法 坚强的两支主干 重温流行的两分支架构 两分支主干旨在充分利用各自分支中的以颜色为主和以深度为主的信息，并使两种方式有效融合。 注意，输入到深度主导分支的是从颜色主导分支获得的深度预测结果，而不是像和的指导图。 几何卷积层 为了对3D几何信息进行编码，它只是通过