基于三维箱体先验的多平面程序归纳

我们考虑图像理解与编辑中的两个重要方面：对二维平面中规则化、类程序的纹理或图案进行建模，以及这些平面在场景中的三维姿态。与先前基于图像的程序合成工作（假设图像仅包含单一可见二维平面）不同，我们提出箱体程序归纳（BPI），它从单张图像中同时推断类程序的场景表示，该表示对多个二维平面上的重复结构、平面的三维位置与朝向以及相机参数进行建模。我们的模型假设箱体先验，即图像捕获的是三维中一个箱体的内部视图或外部视图。它使用神经网络推断消失点、线框线等视觉线索，以引导基于搜索的算法找到最能解释图像的程序。这种整体性的结构化场景表示支持三维感知的交互式图像编辑操作，如修复缺失像素、改变相机参数以及外推图像内容。