iBARLE：感知不平衡的房间布局估计
计算机视觉与模式识别
2023-08-30 v1 人工智能
机器学习
摘要
房间布局估计从单张全景图预测布局。它需要有大规模且多样房间形状的数据集来训练模型。然而，真实世界数据集中存在显著的不平衡，包括布局复杂度维度、相机位置以及场景外观变化方面的不平衡。这些问题显著影响了模型训练性能。在本工作中，我们提出感知不平衡的房间布局估计（iBARLE）框架来解决这些问题。iBARLE 由以下部分组成：（1）外观变化生成（AVG）模块，促进视觉外观域泛化；（2）复杂结构混合（CSMix）模块，增强关于房间结构的泛化能力；（3）基于梯度的布局目标函数，可更有效地处理复杂布局中的遮挡。所有模块联合训练并相互助益以达到最佳性能。基于 ZInD~\cite{cruz2021zillow} 数据集的实验与消融研究说明，iBARLE 相较于其他布局估计基线具有最优（SOTA）性能。
引用
@article{arxiv.2308.15050,
title = {iBARLE: imBalance-Aware Room Layout Estimation},
author = {Taotao Jing and Lichen Wang and Naji Khosravan and Zhiqiang Wan and Zachary Bessinger and Zhengming Ding and Sing Bing Kang},
journal= {arXiv preprint arXiv:2308.15050},
year = {2023}
}