10月23日，欧洲计算机视觉国际会议ECCV 2022于以色列特拉维夫盛大开幕。其中，光鉴科技联合清华大学电子系的研究工作《GraphCSPN：Geometry-Aware Depth Completion via Dynamic GCNs》被ECCV收录。

ECCV是全球顶尖的计算机视觉会议之一，每两年举办一次，和 ICCV、CVPR并称为计算机视觉方向的三大顶级会议。本届ECCV总计收到投稿8170篇，是ECCV 2020的投稿量的近两倍，创下历史新高，其中录用率不到20%。

伴随移动机器人和自动驾驶的蓬勃发展，视觉算法对于输入数据的要求越来越高，需要完整、稠密且高质量的深度图像来提供所需的视觉信息。本次光鉴科技入选的论文通过创新的图卷积空间传播网络，对深度图像进行信息补全，获得高质量的稠密深度图像，可以更好地为机器人、自动驾驶等领域提供技术支持。

为解决上述痛点，本论文提出了GraphCSPN (Graph Convolution based Spatial Propagation Network)，一种基于图卷积的空间传播网络，来完成稀疏深度图的补全。

论文中提及的 GraphCSPN 模型，主要有以下几点优势：

1. 利用对边界的注意力机制来动态更新图网络结构，从而拥有更优秀的几何感知能力，捕获局部信息和全局深度的关系，更好地进行深度补全。在下图中，红色内容表示处理后的深度图与理想深度图之间的误差，可以明显看到，与传统方法（图c-e）相比，GraphCSPN（图f）在物体边界位置具有更小的深度误差。

2.传统的传播模型需要迭代18次以上才能获取较好的深度质量，而 GraphCSPN 只需要3次或者更少传播迭代次数，就可以快速收敛。并且，所获取的深度图像在精度上可以达到业界最佳水平。

3.在室内NYU-Depth-v2和室外KITTI数据集的测试中，GraphCSPN 均可以得到最佳成绩。

人工智能技术的普及与发展进一步促进计算机视觉的深入研究。光鉴科技将进一步增加研发投入，助力智能机器人、自动驾驶等领域获取到更高质量的3D信息，将更多创新、成熟的技术及解决方案应用在全球的各个行业中，成为闪亮的“中国智造”名片。