Conv-MPN：用于结构化室外建筑重建的卷积消息传递神经网络
计算机视觉与模式识别
2021-06-08 v4
摘要
本文提出一种新颖的消息传递神经（MPN）架构 Conv-MPN，它从单张 RGB 图像中将室外建筑重建为平面图。Conv-MPN 专为图的节点具有显式空间嵌入的情况而设计。在我们的问题中，节点对应于图像中的建筑边缘。Conv-MPN 与 MPN 的不同之处在于：1）与节点关联的特征表示为特征体而非一维向量；2）卷积编码消息而非全连接层。Conv-MPN 学习选择节点的真实子集（即建筑边缘）以重建建筑平面图。我们对 2,000 座建筑的定性与定量评估表明，Conv-MPN 相较现有的全神经方案有显著改进。我们相信该论文有潜力为结构化几何重建的图神经网络研究开辟新方向。
引用
@article{arxiv.1912.01756,
title = {Conv-MPN: Convolutional Message Passing Neural Network for Structured Outdoor Architecture Reconstruction},
author = {Fuyang Zhang and Nelson Nauata and Yasutaka Furukawa},
journal= {arXiv preprint arXiv:1912.01756},
year = {2021}
}
备注
Accepted by CVPR2020