깊이 완성은 자율주행, 로봇공학, 증강현실 등 다양한 실제 응용 분야에서 주변 환경의 밀집 깊이 정보를 예측하는 중요한 방법 중 하나이다. 이러한 실시간 응용 분야에서는 경량화된 네트워크 구조와 낮은 계산 비용을 가진 깊이 완성 모델이 엄격히 요구된다. 이에 본 논문에서는 affinity 기반의 경량 깊이 완성 네트워크를 제안한다. 교사 모델과 학생 모델 간의 affinity를 sinkhorn 알고리즘을 통해 효과적으로 증류하여 지식을 전이한다.
또한, 기존의 깊이 완성 알고리즘은 객체의 측정된 LiDAR 포인트를 활용하는 데 초점을 맞추는 반면 공중으로 방출된 누락된 LiDAR 포인트는 완전히 무시한다. LiDAR 센서의 데이터 획득 파이프라인을 기반으로 LiDAR sweep의 누락된 ray를 식별할 수 있기 때문에, 네트워크의 성능을 더욱 향상시키기 위해 누락된 LiDAR 포인트의 정보를 활용하는 방법을 제안한다.