基于几何与深度学习的全景图像室内布局恢复
计算机视觉与模式识别
2018-06-22 v1
摘要
本文提出一种从单张 360 度全景图像恢复室内场景三维布局的新方法。利用此类图像可一次性看到整个场景，从而能够恢复闭合几何结构。我们的方法策略性地结合了几何推理（直线与消失点）所提供的精度，以及深度学习技术（边缘图与法向图）所实现的高层次数据抽象与模式识别。由此，我们提取结构角点，并假设曼哈顿世界生成房间的布局假设。最佳布局模型被选出，在简单房间（盒型）和复杂形状房间（超过四面墙）上均取得良好性能。所提方法的实验在两个公开数据集 SUN360 和 Stanford (2D-3D-S) 上进行，展示了结合几何与深度学习估计布局的优势，以及我们方法相对于当前最优方法的的有效性。
引用
@article{arxiv.1806.08294,
title = {Layouts from Panoramic Images with Geometry and Deep Learning},
author = {Clara Fernandez-Labrador and Alejandro Perez-Yus and Gonzalo Lopez-Nicolas and Jose J. Guerrero},
journal= {arXiv preprint arXiv:1806.08294},
year = {2018}
}
备注
8 pages, 12 figures, 2 tables