HorizonNet：以一维表示与 Pano Stretch 数据增强学习房间布局
计算机视觉与模式识别
2019-04-09 v2
摘要
我们提出一种从单张全景图像估计 3D 房间布局的新方法。我们将房间布局表示为三个 1D 向量，在每图像列上分别编码地-墙与顶-墙的边界位置，以及墙-墙边界的存在性。所提出的网络 HorizonNet 经训练用于预测 1D 布局，优于先前最先进的方法。所设计的从 1D 预测恢复 3D 房间布局的后处理流程能以低计算成本自动推断房间形状——对一张全景图像耗时少于 20ms，而先前工作可能需要数十秒。我们还提出 Pano Stretch 数据增强，可丰富全景数据多样性，并适用于其他全景相关学习任务。由于当前数据集中可用于非长方体布局的数据有限，我们重新标注了其中的 65 个通用布局用于微调。我们的方法在通用布局上通过定性结果与交叉验证展现出良好性能。
引用
@article{arxiv.1901.03861,
title = {HorizonNet: Learning Room Layout with 1D Representation and Pano Stretch Data Augmentation},
author = {Cheng Sun and Chi-Wei Hsiao and Min Sun and Hwann-Tzong Chen},
journal= {arXiv preprint arXiv:1901.03861},
year = {2019}
}
备注
CVPR 2019