基于多视图特征metric对齐的 PixCuboid：房间布局估计
计算机视觉与模式识别
2025-08-07 v1
摘要
粗糙的房间布局估计为许多下游任务提供重要的几何线索。当前最先进的方法主要基于单视图，常常假设全景图像。我们引入 PixCuboid，一种基于多视图对齐稠密深度特征的立方体状房间布局估计方法，该方法基于优化。通过端到端训练，我们学习能够在对齐中产生大收敛 basin 和平滑 loss landscape 的特征图。这使我们能够使用简单启发式方法初始化房间布局。为评估，我们提出两个新的基准基于 ScanNet++ 和 2D-3D-Semantics，具有手动验证的 3D 立方体真实值。在彻实的实验中我们验证了我们的方法并显著优于竞争对手。最后，尽管我们的网络是用单个立方体训练的，但优化方法的灵活性使我们能够轻松扩展到多房间估计，例如更大的公寓或办公室。代码和模型权重已公开于 https://github.com/ghanning/PixCuboid。
引用
@article{arxiv.2508.04659,
title = {PixCuboid: Room Layout Estimation from Multi-view Featuremetric Alignment},
author = {Gustav Hanning and Kalle Åström and Viktor Larsson},
journal= {arXiv preprint arXiv:2508.04659},
year = {2025}
}
备注
Accepted at the ICCV 2025 Workshop on Large Scale Cross Device Localization