CAGT透明物体深度补全模型

提升透明物体抓取精度

通过交互式嵌入聚合和几何感知模块增强稀疏深度图补全，并利用对比学习实现有效的仿真到现实迁移，优于现有最先进方法。

Jing, Xingshuo · 钱堃 · Vincze, Markus

IEEE Transactions on Circuits and Systems for Video Technology 2025

技术优势

补全边缘角落

DIAM 模块增强 Transformer 提取边界角落特征的能力，补充缺失的深度线索，使稀疏深度图在边角处也能获得可靠补全。

保留几何细节

GIAM 融合包含形状和表面细节的几何感知特征，避免补全结果只追求平滑而丢失透明物体表面的结构信息。

真实世界可用

引入对比学习机制促进仿真到现实的泛化，在真实机器人抓取实验中验证了抓取准确率的提升，而不只是在合成数据上表现好。

应用场景

• 机器人抓取：提供完整深度图，使透明物体抓取更可靠。
• 具身智能：仿真到现实泛化，让机器人学到可迁移的感知能力。
• 工业自动化：透明物体深度补全，服务于工业自动化中的视觉引导操作。
• 视觉感知：增强视觉感知对透明表面的鲁棒性。
• 3D视觉：从稀疏深度重建完整3D结构。