PolyRoom：用于房间感知的基于Transformer的楼层平面重建
计算机视觉与模式识别
2024-07-16 v1
摘要
从原始无结构数据重建几何和拓扑结构一直是室内绘图研究中的重要研究主题。本文旨在从点云中以向量化表示重建楼层平面。尽管近年来取得了显著的进展，但当前方法仍面临一些挑战，如角点或边缘缺失、角点位置或角度不准确、多边形自相交或重叠，以及潜在的拓扑不合理等问题。为解决这些挑战，我们提出了PolyRoom，一种基于Transformer的房间感知模型，利用均匀采样表示、房间感知查询初始化和房间感知自注意力机制进行楼层平面的重建。具体而言，我们采用均匀采样的楼层平面表示，以实现训练期间的稠密监督和有效利用角度信息。此外，我们提出了一种基于房间的查询初始化方案，以防止非多边形序列，并引入基于Transformer的自注意力机制以提高内存效率和模型性能。在两个广泛使用的数据集上的实验结果表明，PolyRoom在定量和定性方面均优于当前的状态-of-the-art方法。我们的代码可在https://github.com/3dv-casia/PolyRoom/上获取。
关键词
引用
@article{arxiv.2407.10439,
title = {PolyRoom: Room-aware Transformer for Floorplan Reconstruction},
author = {Yuzhou Liu and Lingjie Zhu and Xiaodong Ma and Hanqiao Ye and Xiang Gao and Xianwei Zheng and Shuhan Shen},
journal= {arXiv preprint arXiv:2407.10439},
year = {2024}
}
备注
Accepted by ECCV2024