RoomNet：端到端房间布局估计
计算机视觉与模式识别
2017-08-09 v2
摘要
本文聚焦于从单目 RGB 图像估计房间布局的任务。先前的工作将该问题分解为两个子任务：对地板、墙壁、天花板进行语义分割以生成布局假设，然后通过迭代优化步骤对这些假设进行排序。相比之下，我们采用更直接的表述方式，将该问题视为估计一组有序的房间布局关键点。给定这些有序关键点的位置，房间布局及相应的分割便完全确定。我们使用 RoomNet（一个端到端可训练的编码器-解码器网络）来预测房间布局关键点的位置。在具有挑战性的基准数据集 Hedau 和 LSUN 上，我们取得了最先进的性能，同时与最新工作相比实现了 200 倍到 600 倍的加速。此外，我们提出了 RoomNet 架构的可选扩展，例如加入循环计算和记忆单元，以在相同参数容量下细化关键点位置。
引用
@article{arxiv.1703.06241,
title = {RoomNet: End-to-End Room Layout Estimation},
author = {Chen-Yu Lee and Vijay Badrinarayanan and Tomasz Malisiewicz and Andrew Rabinovich},
journal= {arXiv preprint arXiv:1703.06241},
year = {2017}
}
备注
accepted at ICCV 2017