HouseLayout3D：野外 3D 布局估计的基准与无训练基线
计算机视觉与模式识别
2025-12-03 v1 人工智能
摘要
当前 3D 布局估计模型主要在包含简单单房间或单楼层环境的合成数据集上训练。因此,它们无法原生处理大型多楼层建筑,且需在处理前将场景分割为 individual楼层,这会消除关于连接多个层次的楼梯等结构所必需的全局空间上下文。本文引入 HouseLayout3D,一个旨在支持面向完整建筑规模布局估计的数据集,包括多个楼层和建筑结构复杂的空间。我们还提出了 MultiFloor3D,一个简单无训练的基线,利用最新的场景理解方法,在我们的基准以及先前数据集上超越现有 3D 布局估计模型,凸显了此方向需要进一步研究的必要性。数据和代码均可在 https://houselayout3d.github.io 获取。
关键词
引用
@article{arxiv.2512.02450,
title = {HouseLayout3D: A Benchmark and Training-Free Baseline for 3D Layout Estimation in the Wild},
author = {Valentin Bieri and Marie-Julie Rakotosaona and Keisuke Tateno and Francis Engelmann and Leonidas Guibas},
journal= {arXiv preprint arXiv:2512.02450},
year = {2025}
}
备注
NeurIPS 2025 (Datasets and Benchmarks Track) Project Page: https://houselayout3d.github.io