面向室内环境布局估计的边-语义学习策略
计算机视觉与模式识别
2019-01-04 v1
摘要
室内环境的视觉认知可受益于空间布局估计，即在单目图像上用2D边框表示室内场景。本文提出充分利用房间图像的边缘与语义信息进行布局估计。更具体地，我们提出一种带共享编码器和两个独立解码器的编解码网络，解码器由多个反卷积（转置卷积）层组成，以联合学习房间图像的边缘图和语义标签。我们将这两个网络预测结果组合进一个评分函数以评估由射线采样及预定义布局池生成的布局质量。在该评分函数引导下，我们应用一种新颖的优化策略进一步精炼布局假设。实验结果表明，所提网络能产出准确的边缘图与语义标签估计。通过充分利用这两类不同标签，所提方法在基准数据集上取得了最先进的布局估计性能。
引用
@article{arxiv.1901.00621,
title = {Edge-Semantic Learning Strategy for Layout Estimation in Indoor Environment},
author = {Weidong Zhang and Wei Zhang and Jason Gu},
journal= {arXiv preprint arXiv:1901.00621},
year = {2019}
}