본 논문은 자율 주행에서 중요한 문제인 희소 깊이 맵과 RGB 이미지로부터 고밀도 깊이 맵을 생성하는 깊이 완성(depth completion) 작업에 대해 제안된 DenseFormer 모델을 소개한다. 기존의 공간 전파 네트워크 기반 방법들과 달리, DenseFormer는 확산 모델(diffusion model)을 통합하여 초기의 무작위 깊이 분포를 여러 반복을 통해 점진적으로 정제하여 고밀도 깊이 맵을 생성한다. 특징 추출 모듈은 특징 피라미드 구조와 다층 변형 가능 어텐션(multi-layer deformable attention)을 활용하여 희소 깊이 맵과 RGB 이미지로부터 효과적으로 특징을 추출하고 통합하며, 이는 확산 과정의 안내 조건으로 사용된다. 또한, 다단계 반복적 정제 모듈을 통해 확산 과정으로 생성된 고밀도 깊이 결과에 다양한 범위에 걸쳐 추가적인 정제를 수행한다. KITTI 데이터셋 실험 결과, DenseFormer는 기존 방법들을 능가하는 성능을 보였다.
