韩国科学技术院、中国科学技术大学和微软亚洲研究院提出一种稀疏dToF深度补全模型。它只用合成数据训练，却在六个数据集和三款真实直接飞行时间传感器上做零样本测试，把低分辨率、带噪的测距点补成密集度量深度图。
dToF通过测量光往返时间直接得到距离，精度高，也比部分间接测距方案更能应对复杂环境。但高成本和有限光电二极管数量使输出非常稀疏，机器人、XR和三维感知仍需要结合RGB图像补全空白区域。
论文图2：RGB图像与稀疏dToF数据分别编码，融合后由轻量解码器恢复密集度量深度。
深度数据不能在融合时被图像盖掉
单目深度模型能从纹理猜远近，但输出常缺少可靠绝对尺度。稀疏dToF点提供真实米制距离，却数量少、分布不规则。普通融合网络如果把两者直接混合，密集RGB特征可能覆盖本来更可靠的深度信号。
团队采用双分支视觉Transformer，让图像Token与深度Token分别处理。联合注意力加入方向掩码：深度信息可以指导图像特征，图像分支却不能反向改写深度Token，随后再把两路信息送入轻量解码器。
论文图3：图像分支持续提取外观，深度分支保留传感器测量，两者在专门的融合层交换信息。
论文图4：掩码允许深度Token引导图像Token，同时阻止RGB噪声覆盖原始深度测量。
一套仿真管线制造三类传感器缺陷
真实RGB与dToF配对数据很少，设备之间的采样图案又不同。团队模拟极稀疏闪光dToF、亚VGA闪光阵列和旋转式激光雷达，并加入空间偏移、精度下降、空洞和不同噪声分布。
论文图5：仿真覆盖随机稀疏点、低分辨率阵列投影和旋转线束三种代表性采样方式。
模型没有使用扩散生成或多轮细化后处理。论文在精度—推理时间对比中报告更低误差和较快速度，并在真实与仿真稀疏输入、不同噪声模式下与多种深度补全方法比较。
零样本泛化仍受仿真假设约束
“只用合成数据”减少了为每款传感器重新采集训练集的需求，也把风险集中到模拟器：未建模的多径反射、强阳光、透明或高反物体、设备校准误差，都可能让真实输入偏离训练分布。
六个数据集和三款设备说明模型跨过了多种采样条件，尚不能代表所有dToF硬件和部署环境。用于机器人避障或医疗三维感知时，还需要按具体设备评估绝对误差、失败区域和实时延迟，不能只依赖论文的平均指标。
