基于深度强化学习的室内场景家具布局生成
计算机视觉与模式识别
2021-01-20 v1
摘要
在工业室内设计过程中，专业设计师规划房间中家具的尺寸与位置，以实现令人满意的可销售设计。本文将室内场景设计任务建模为马尔可夫决策过程（MDP），并通过深度强化学习求解。目标是为室内布局任务同时生成家具的准确位置与尺寸。具体而言，我们首先通过定义状态、动作和奖励函数将家具布局任务表述为MDP问题。随后我们设计模拟环境并训练强化学习智能体，为该MDP表述生成最优布局。我们在包含专业设计师工业设计的大规模真实室内布局数据集上开展实验。数值结果表明，所提模型相比SOTA模型能生成更高质量的布局。所开发的模拟器与代码见\url{https://github.com/CODE-SUBMIT/simulator1}。
引用
@article{arxiv.2101.07462,
title = {Deep Reinforcement Learning for Producing Furniture Layout in Indoor Scenes},
author = {Xinhan Di and Pengqian Yu},
journal= {arXiv preprint arXiv:2101.07462},
year = {2021}
}
备注
computer vision reinforcement learning. arXiv admin note: text overlap with arXiv:2012.08514, arXiv:2012.08131