基于语义的 3D 房屋线框生成
计算机视觉与模式识别
2024-07-18 v1 图形学
摘要
我们提出了一种新方法，用于使用自回归模型生成带语义丰富性的 3D 房屋线框。不同于传统生成模型独立处理顶点、边缘和面片的做法，我们的方法采用统一的线框表示，以提高学习 3D 线框结构连贯性。通过根据语义含义对线框序列进行重新排序，我们在序列生成过程中实现了无缝的语义集成。我们的两阶段技术将基于图的自编码器与基于转换器的解码器融合，以学习潜在几何标记并生成语义感知的线框。在推理过程中，通过迭代预测和解码，我们的模型生成的线框细节丰富，可轻松分割为墙壁、屋顶和房间等 distinct 组件，反映了该形状的语义本质。在全面房屋数据集上的实证结果验证了我们模型在准确性、新颖性和语义忠实度方面优于现有生成模型。更多结果和细节可在 https://vcc.tech/research/2024/3DWire 查看。
引用
@article{arxiv.2407.12267,
title = {Generating 3D House Wireframes with Semantics},
author = {Xueqi Ma and Yilin Liu and Wenjun Zhou and Ruowei Wang and Hui Huang},
journal= {arXiv preprint arXiv:2407.12267},
year = {2024}
}
备注
European Conference on Computer Vision (Proceedings of ECCV 2024); Project page: https://vcc.tech/research/2024/3DWire; GitHub repository: https://github.com/3d-house-wireframe/3d-house-wireframe-dataset