HierRelTriple: 基于层次关系三元组引导室内布局生成
计算机视觉与模式识别
2025-09-17 v2
摘要
我们提出一种基于层次三元组的室内关系学习方法，称为HierRelTriple，专注于空间关系学习。现有方法通常依赖手动定义的空间规则或简化的二元表示，无法捕捉真实场景中复杂的多对象关系，导致布局过于拥挤或在物理上不合理。我们引入HierRelTriple，一种层次化关系三元组建模框架，首先划分功能区域，然后自动提取三级空间关系：对象到区域（O2R）、对象到对象（O2O）以及角点到角点（C2C）。通过将这些关系表示为几何三元组，并采用基于德劳内三角化（Delaunay Triangulation）的方法建立空间先验，我们推导了去噪后三元组与真实三元组之间的IoU损失，并将其无缝集成到扩散去噪过程中。该方法联合考虑对象间距离、角度方向以及空间关系，显著提升了生成场景的物理真实性。在无条件布局合成、平面图条件布局生成以及场景重排等任务上的大量实验表明，HierRelTriple在空间关系指标上提升了超过15%，显著减少了碰撞和边界违规。
引用
@article{arxiv.2503.20289,
title = {HierRelTriple: Guiding Indoor Layout Generation with Hierarchical Relationship Triplet Losses},
author = {Kaifan Sun and Bingchen Yang and Peter Wonka and Jun Xiao and Haiyong Jiang},
journal= {arXiv preprint arXiv:2503.20289},
year = {2025}
}