Pano Popups：基于平面感知网络的室内三维重建
计算机视觉与模式识别
2020-02-25 v2
摘要
在本工作中，我们提出了一种方法，用于训练一个平面感知卷积神经网络，从单张室内 图像中估计稠密深度、表面法线以及平面边界。利用我们提出的损失函数，我们的网络在单视图、室内、全向深度估计上优于现有方法，并为从 图像进行表面法线预测提供了初始基准。我们的改进源于使用一种新颖的平面感知损失，该损失利用主曲率作为平面边界的指示。我们还表明，将测地坐标图作为网络先验可显著提升表面法线预测精度。最后，我们展示了如何结合我们网络的输出生成高质量的室内场景三维“弹出”模型。
引用
@article{arxiv.1907.00939,
title = {Pano Popups: Indoor 3D Reconstruction with a Plane-Aware Network},
author = {Marc Eder and Pierre Moulon and Li Guan},
journal= {arXiv preprint arXiv:1907.00939},
year = {2020}
}
备注
2019 International Conference on 3D Vision (3DV). IEEE, 2019