該論文面向常用深度傳感器的深度補全任務(wù)，提出了一種注意力引導(dǎo)的門控卷積網(wǎng)絡(luò)（AGG-Net）。網(wǎng)絡(luò)模型采用了編碼-解碼架構(gòu)，包括一種注意力引導(dǎo)門控卷積（AG-GConv）模塊，以及一種注意力引導(dǎo)跳連接（AG-SC）模塊，高效地去除了無效深度和無關(guān)特征所帶來的負(fù)面影響。實驗結(jié)果表明，該方法在知名數(shù)據(jù)集NYU-Depth V2、DIML和SUNRGB-D上均優(yōu)于現(xiàn)有的其他方法。

陳東岳教授長期從事深度學(xué)習(xí)與計算機視覺交叉領(lǐng)域研究，重點關(guān)注視覺異常檢測、多模態(tài)視覺、行人重識別與人體三維建模等方向。主持和參與國家重點研發(fā)計劃課題、國家自然科學(xué)基金地區(qū)聯(lián)合基金、面上項目和青年基金、國家863子課題、國家973子課題、遼寧省自然科學(xué)基金等多項國家省部級課題。在IEEE匯刊、Pattern Recognition、自動化學(xué)報、中國圖像圖形學(xué)報等國內(nèi)外重要期刊及國際會議上發(fā)表論文80余篇，授權(quán)國家發(fā)明專利10余項；多次獲得遼寧省教學(xué)成果一等獎、遼寧省一流本科課程、遼寧省自然科學(xué)學(xué)術(shù)成果獎一等獎、寶鋼優(yōu)秀教師等獎項和榮譽。

據(jù)悉，ICCV是計算機視覺領(lǐng)域頂級會議（CCF A類），由IEEE主辦，與計算機視覺模式識別會議(CVPR)和歐洲計算機視覺會議(ECCV)并稱計算機視覺方向的三大頂級會議，被澳大利亞ICT學(xué)術(shù)會議排名和中國計算機學(xué)會等機構(gòu)評為最高級別學(xué)術(shù)會議，在業(yè)內(nèi)具有極高的評價。ICCV在世界范圍內(nèi)每兩年召開一次，2021年論文錄取率為25.9%，是計算機視覺領(lǐng)域平均錄用率最低的會議之一。根據(jù)權(quán)威Google Scholar Citation統(tǒng)計，ICCV的H5 index為239，位列全球所有出版物總排名第17位。