OmniLayout：基于室内球面全景图的房间布局重建
计算机视觉与模式识别
2021-04-20 v1
摘要
给定单张 RGB 全景图，三维布局重建的目标是预测角点、地面边界和天花板边界以估计房间布局。常见方法是使用标准卷积网络预测角点与边界，再通过后处理生成三维布局。然而，全景图中随空间变化的畸变与标准卷积的平移等变性不兼容，从而降低了性能。为此，我们提出使用球面卷积。由此得到的网络（称为 OmniLayout）直接在球面上进行卷积，依据逆等距柱状投影采样，因而对等距柱状畸变具有不变性。借助一种新的评价指标，我们表明与标准卷积网络相比，我们的网络在严重畸变区域（近极点处）的误差降低了约 25%。实验结果表明，OmniLayout 在两个不同的基准数据集（PanoContext 和 Stanford 2D-3D）上比当前最优方法高出约 4%。代码见 https://github.com/rshivansh/OmniLayout。
引用
@article{arxiv.2104.09403,
title = {OmniLayout: Room Layout Reconstruction from Indoor Spherical Panoramas},
author = {Shivansh Rao and Vikas Kumar and Daniel Kifer and Lee Giles and Ankur Mali},
journal= {arXiv preprint arXiv:2104.09403},
year = {2021}
}
备注
Accepted at CVPR, OmniCV Workshop. 10 Pages, 9 Figures, 6 Tables