非结构化度假租赁图像集合中的房间场景发现与分组
计算机视觉与模式识别
2025-07-02 v1 机器学习
神经与进化计算
摘要
度假租赁（VR）平台的快速增长导致房源图像数量不断增加，往往缺乏结构化的分类。这一组织不足在试图了解房产空间布局时提出重大挑战，尤其是当多个相同类型的房间存在时。为解决这一问题，我们提出一种有效的方法，用于解决房间场景发现与分组问题，以及识别每间卧室组中的床类型。这种分组对旅客而言有助于理解房产的空间组织、布局及睡眠配置。我们提出的计算流程具有低延迟，能够在数据稀缺的环境中有效工作，特别适用于实时和数据稀缺的场景。该流程集成了监督的房间类型检测模型、监督的重叠检测模型用于识别两个图像之间的重叠相似度，以及用于将同一空间的图像分组的聚类算法。此外，该流程根据卧室组图像中呈现的视觉内容，将每个卧室组映射到相应的床类型，基于该房产元数据的床类型指定。我们分别评估了上述各个模型，也评估了整个流程的性能，观察到显著优于基于对比学习和使用预训练嵌入聚类等已 established 方法的性能。
引用
@article{arxiv.2507.00263,
title = {Room Scene Discovery and Grouping in Unstructured Vacation Rental Image Collections},
author = {Vignesh Ram Nithin Kappagantula and Shayan Hassantabar},
journal= {arXiv preprint arXiv:2507.00263},
year = {2025}
}