基于深度曼哈顿霍夫变换从全景图立方体贴图估计三维房间布局
计算机视觉与模式识别
2022-07-20 v1
摘要
在从单张全景图像估计三维房间布局时，显著的几何结构可通过全局线框紧凑地描述。基于这一观察，我们提出了一种替代方法，通过在可学习的霍夫变换块中建模长程几何模式来估计三维空间中的墙面。我们将立方体贴图瓦片的图像特征变换到曼哈顿世界的霍夫空间，并直接将特征映射到几何输出。卷积层不仅学习局部类梯度的线特征，还利用全局信息以简单的网络结构成功预测被遮挡的墙面。与大多数先前工作不同，预测在每张立方体贴图瓦片上独立进行，然后组装得到布局估计。实验结果表明，我们在预测精度和性能上取得了与近期最先进（SOTA）方法相当的结果。代码见 https://github.com/Starrah/DMH-Net。
引用
@article{arxiv.2207.09291,
title = {3D Room Layout Estimation from a Cubemap of Panorama Image via Deep Manhattan Hough Transform},
author = {Yining Zhao and Chao Wen and Zhou Xue and Yue Gao},
journal= {arXiv preprint arXiv:2207.09291},
year = {2022}
}
备注
Accepted by ECCV 2022