[发明专利]深度图像插值方法、装置、设备和介质

说明书

本公开提供了一种深度图像插值方法、装置、设备和介质，涉及人工智能技术领域，具体涉及计算机视觉技术领域。该方法包括：获取待处理深度图像中多个有效深度点分别相应的深度信息；基于待处理深度图像，确定每一有效深度点的多个邻域，每一邻域包括一个或多个邻域点；针对每一有效深度点的每一邻域点，确定该邻域点与相关联的一个或多个有效深度点中每一有效深度点之间的关联权重；针对每一有效深度点的每一邻域点，至少基于一个或多个关联权重，以及与该邻域点相关联的一个或多个有效深度点的深度信息，确定邻域点的传递深度信息；以及基于所确定的多个邻域点的传递深度信息，更新待处理深度图像。

技术领域

本公开涉及人工智能技术领域，具体涉及计算机视觉技术领域，特别涉及一种深度图像插值方法、装置、设备和介质。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

计算机视觉中，深度图像广泛应用于三维重建、自动驾驶、移动机器人、2D电影到3D电影的自动转换以及3D计算机图形学中的阴影映射等，这些应用需要确定每一个像素的深度信息。因此，如何提升深度图像的分辨率是计算机视觉领域的一个重要课题。相关技术中，可以将2D图像和稀疏深度图像输入卷积神经网络，通过卷积神经网络的多个卷积层之间的协同处理来得到稠密深度图像，但是，卷积神经网络在空间维度上只采用一个卷积核，对深度信息空间传播过程的描述过于简单，导致得到的稠密深度图像的准确性较低，进而对后续应用造成不良影响。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种深度图像插值方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供一种深度图像插值方法，包括：获取待处理深度图像中多个有效深度点分别相应的深度信息；基于所述待处理深度图像，确定所述多个有效深度点中每一有效深度点的多个邻域，每一所述邻域包括一个或多个邻域点；针对所述多个有效深度点中每一有效深度点的每一邻域点，确定所述邻域点与相关联的一个或多个有效深度点中每一有效深度点之间的关联权重；针对所述多个有效深度点中每一有效深度点的每一邻域点，至少基于一个或多个所述关联权重，以及与所述邻域点相关联的一个或多个有效深度点的深度信息，确定所述邻域点的传递深度信息；以及基于所确定的多个邻域点的传递深度信息，更新所述待处理深度图像。

根据本公开的另一方面，还提供一种深度图像插值装置，包括：深度获取单元，被配置用于获取待处理深度图像中多个有效深度点分别相应的深度信息；邻域确定单元，被配置用于基于所述待处理深度图像，确定所述多个有效深度点中每一有效深度点的多个邻域，每一所述邻域包括一个或多个邻域点；权重确定单元，被配置用于针对所述多个有效深度点中每一有效深度点的每一邻域点，确定所述邻域点与相关联的一个或多个有效深度点中每一有效深度点之间的关联权重；传递深度确定单元，被配置用于针对所述多个有效深度点中每一有效深度点的每一邻域点，至少基于一个或多个所述关联权重，以及与所述邻域点相关联的一个或多个有效深度点的深度信息，确定所述邻域点的传递深度信息；以及第一更新单元，被配置用于基于所确定的多个邻域点的传递深度信息，更新所述待处理深度图像。

根据本公开的另一方面，还提供一种电子设备，包括：存储器、处理器以及存储在所述存储器上的计算机程序，其中，所述处理器被配置为执行所述计算机程序以实现上述的方法的步骤。