用于虚拟室内场景家具布局的分层强化学习
计算机视觉与模式识别
2022-10-20 v1 人工智能
摘要
在真实生活中，通过设计家具布局来装饰三维室内场景为人们提供了丰富的体验。本文将家具布局任务探索为虚拟现实中的马尔可夫决策过程（MDP），并由分层强化学习（HRL）求解。目标是为室内场景的虚拟现实生成合适的双家具布局。具体而言，我们首先设计仿真环境并引入用于双家具布局的 HRL 公式。然后我们应用带课程学习的分层 actor-critic 算法来求解 MDP。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。
引用
@article{arxiv.2210.10431,
title = {Hierarchical Reinforcement Learning for Furniture Layout in Virtual Indoor Scenes},
author = {Xinhan Di and Pengqian Yu},
journal= {arXiv preprint arXiv:2210.10431},
year = {2022}
}
备注
Accepted by Reinforcement Learning for Real Life Workshop @ NeurIPS 2022