这是2016年ICASSP上的一篇论文，做的是深度图像的去噪和增强。网络的输入是灰度图和深度图，对于灰度图要先进行预处理。流程如下所示:
论文的网络分为三层，分别是第一层用来做高维空间映射，其max pooling可以帮着除掉噪声和空洞（我感觉很扯淡）。第二层是缺失数据填充层，感觉也很扯淡，就是一个普通的卷积层，第三层输出结果图像。这里的Loss优点意思，表示如下:
括号里是输出和GT，两者做差，这个很好理解。M是GT的边缘图，设定边缘区域大小为1，平滑区域值则非常小。这样就能引导边缘进行增强。
图像灰度图送进去之前进行预处理，除去不必要的信息，同时增强边缘，步骤如下:
同时，训练数据里depth图像的GT仍然有一些洞，所以要将这部分有洞的patch去掉。经过一系列处理，见论文，使得输入patch里有大洞的区域对网络有更大影响。