基于混合表示的深度生成式室内场景合成建模
计算机视觉与模式识别
2018-08-08 v1
摘要
我们提出了一种面向室内环境的深度生成式场景建模技术。我们的目标是通过前馈神经网络训练一个生成模型，将先验分布（例如正态分布）映射到室内场景中主要物体的分布。我们引入了一种 3D 物体布局表示，基于物体的尺寸和形状属性对其位置和朝向进行建模。此外，我们的场景表示适用于从数据库中选取的、具有不同重复数量（multiplicity）的 3D 物体。我们展示了一种原则性的训练方法，通过结合针对 3D 物体布局表示和基于 2D 图像的表示的判别器损失来训练该模型。我们在基准数据集上展示了我们的场景表示和深度学习方法的有效性。我们还展示了该生成模型在场景插值和场景补全中的应用。
引用
@article{arxiv.1808.02084,
title = {Deep Generative Modeling for Scene Synthesis via Hybrid Representations},
author = {Zaiwei Zhang and Zhenpei Yang and Chongyang Ma and Linjie Luo and Alexander Huth and Etienne Vouga and Qixing Huang},
journal= {arXiv preprint arXiv:1808.02084},
year = {2018}
}