CAGE： Continuity-Aware edGE 网络实现鲁棒的平面图重建
计算机视觉与模式识别
2025-10-16 v2 人工智能
摘要
我们提出了 CAGE（Continuity-Aware edGE）网络，是用于从点云密度图直接重建向量平面图的鲁棒框架。传统的基于角点的多边形表示对噪声和不完整观测极其敏感，常导致碎片化或不合理的布局。最近的线分组方法利用结构线索提高鲁棒性，但仍难以恢复细微几何细节。为解决这些限制，我们提出一种原生边缘导向的表述，将每个墙面段建模为有向且几何连续的边。该表述能够推断连贯的平面图结构，确保水密、拓扑有效的房间边界，同时提高鲁棒性并减少伪影。为实现此设计，我们开发了一个双查询变换器解码器，在去噪框架中整合扰动查询和潜在查询，这不仅稳定优化，还加快收敛。在 Structured3D 和 SceneCAD 上的大量实验表明，CAGE 实现了最先进的性能，分别以 99.1%（房间）、91.7%（角点）和 89.3%（角度）的 F1 分数。该方法还显示出强大的跨数据集泛化能力，凸显了我们架构创新的有效性。代码和预训练模型已可在项目页面获取：https://github.com/ee-Liu/CAGE.git。
引用
@article{arxiv.2509.15459,
title = {CAGE: Continuity-Aware edGE Network Unlocks Robust Floorplan Reconstruction},
author = {Yiyi Liu and Chunyang Liu and Bohan Wang and Weiqin Jiao and Bojian Wu and Lubin Fan and Yuwei Chen and Fashuai Li and Biao Xiong},
journal= {arXiv preprint arXiv:2509.15459},
year = {2025}
}