MonteFloor：扩展 MCTS 以重建精确大规模楼层平面图
计算机视觉与模式识别
2021-09-14 v2 人工智能
机器学习
摘要
我们提出一种从含噪 3D 点云重建楼层平面图的新方法。我们的主要贡献是一种基于原则的方法，其依靠蒙特卡洛树搜索（Monte Carlo Tree Search, MCTS）算法在问题复杂度极高的情况下高效地最大化合适的目标函数。与先前工作类似，我们首先将输入点云投影到俯视图以创建密度图并从中提取房间提议。我们的方法联合选择并优化这些房间提议的多边形形状以拟合密度图，并输出精确的矢量化楼层地图，即便对于大型复杂场景亦如此。为此，我们将最初为学习玩游戏而设计的 MCTS 算法改造为通过最大化结合由深度网络预测的密度图拟合度与房间形状正则项的目标函数来选择房间提议。我们还向 MCTS 引入一个细化步骤以调整房间提议的形状。对于该步骤，我们提出一种渲染这些提议多边形形状的新颖可微分方法。我们在近期具有挑战性的 Structured3D 和 Floor-SP 数据集上评估我们的方法，并显示出相较最先进（state-of-the-art, SOTA）方法的显著改进，且不对楼层平面配置施加任何硬约束或假设。
引用
@article{arxiv.2103.11161,
title = {MonteFloor: Extending MCTS for Reconstructing Accurate Large-Scale Floor Plans},
author = {Sinisa Stekovic and Mahdi Rad and Friedrich Fraundorfer and Vincent Lepetit},
journal= {arXiv preprint arXiv:2103.11161},
year = {2021}
}
备注
Accepted for oral presentation at ICCV 2021