LGT-Net：基于几何感知Transformer网络的室内全景房间布局估计
计算机视觉与模式识别
2022-03-28 v2
摘要
利用深度神经网络通过单张全景图进行三维房间布局估计已取得很大进展。然而，以往方法仅利用边界的纬度或地平线深度，无法获得高效的房间布局几何感知。我们提出，结合地平线深度与房间高度可在水平和垂直方向上获得全景几何感知的房间布局。此外，我们提出了一种基于法线及法线梯度的平面几何感知损失函数，以监督墙面的平整性与拐角的转折。我们提出了一种高效的房间布局估计网络LGT-Net，其包含一种称为SWG-Transformer的新型Transformer架构以建模几何关系。SWG-Transformer由（偏移）窗口块与全局块组成，以结合局部与全局几何关系。此外，我们设计了一种新颖的Transformer相对位置嵌入，以增强全景图的空间辨识能力。实验表明，所提出的LGT-Net在基准数据集上取得了优于当前最优（SOTA）方法的性能。
引用
@article{arxiv.2203.01824,
title = {LGT-Net: Indoor Panoramic Room Layout Estimation with Geometry-Aware Transformer Network},
author = {Zhigang Jiang and Zhongzheng Xiang and Jinhua Xu and Ming Zhao},
journal= {arXiv preprint arXiv:2203.01824},
year = {2022}
}
备注
To Appear in CVPR 2022