PlaneNet：从单张 RGB 图像进行分段平面重建
计算机视觉与模式识别
2018-04-18 v1
摘要
本文提出一种深度神经网络(DNN)，用于从单张 RGB 图像进行分段平面深度图重建。尽管 DNN 已在单图深度预测上取得显著进展，分段平面深度图重建需要结构化的几何表示，且即使是 DNN 也难以掌握。所提出的端到端 DNN 学习直接从单张 RGB 图像推断一组平面参数及相应的平面分割掩码。我们从大规模 RGBD 视频数据库 ScanNet 生成了超过 50,000 张分段平面深度图用于训练与测试。我们的定性与定量评估表明，所提方法在平面分割与深度估计精度上均优于基线方法。据我们所知，本文给出了首个从单张 RGB 图像进行分段平面重建的端到端神经架构。代码与数据见 https://github.com/art-programmer/PlaneNet。
引用
@article{arxiv.1804.06278,
title = {PlaneNet: Piece-wise Planar Reconstruction from a Single RGB Image},
author = {Chen Liu and Jimei Yang and Duygu Ceylan and Ersin Yumer and Yasutaka Furukawa},
journal= {arXiv preprint arXiv:1804.06278},
year = {2018}
}
备注
CVPR 2018