PanoTPS-Net：基于 Thin Plate Spline 变换的全景房间布局估计
计算机视觉与模式识别
2025-10-15 v1 人工智能
摘要
准确估计房间的 3D 布局是计算机视觉中的关键任务，具有机器人、增强现实和室内设计等潜在应用。本文提出一种新模型 PanoTPS-Net，用于从单张全景图像估计房间布局。利用卷积神经网络 (CNN) 并纳入 Thin Plate Spline (TPS) 空间变换，PanoTPS-Net 的体系结构分为两个阶段：首先，卷积神经网络从输入图像中提取高级特征，使网络能够学习 TPS 变换的空间参数。其次，根据预测的参数生成 TPS 空间变换层，用于将参考布局扭曲为所需布局。这种独特的组合使模型能够准确预测房间布局，同时对双曲体和非双曲体布局具有良好的泛化能力。在公开可用的 dataset 上进行大规模实验并与 SOTA 方法进行比较，证明了所提方法的有效性。结果强调了该模型在房间布局估计中的准确性，并强调 TPS 变换与全景图像之间的兼容性。该模型在处理双曲体和非双曲体房间布局估计方面的鲁棒性表现突出，其在 PanoContext、Stanford-2D3D、Matterport3DLayout 和 ZInD 数据集上的 3DIoU 分别为 85.49、86.16、81.76 和 91.98。源代码可在 https://github.com/HatemHosam/PanoTPS_Net 获取。
引用
@article{arxiv.2510.11992,
title = {PanoTPS-Net: Panoramic Room Layout Estimation via Thin Plate Spline Transformation},
author = {Hatem Ibrahem and Ahmed Salem and Qinmin Vivian Hu and Guanghui Wang},
journal= {arXiv preprint arXiv:2510.11992},
year = {2025}
}