RoomStructNet：从单视图学习对非立方体房间布局排序
计算机视觉与模式识别
2021-10-05 v1
摘要
在本文中，我们提出一种从单幅图像估计房间布局的新方法。虽然该任务的近期方法使用了从数据中学到的鲁棒特征，但它们求助于优化来检测最终布局。除了使用学到的鲁棒特征外，我们的方法学习一个额外的排序函数来估计最终布局，而非使用优化。为学习该排序函数，我们提出一个使用最大间隔结构代价训练 CNN 的框架。此外，虽然大多数方法旨在检测立方体布局，我们的方法检测非立方体布局，为此我们显式估计布局复杂度参数。我们利用这些参数以新颖方式提出布局候选。我们的方法在标准数据集（大多为立方体布局）上展示了最先进的结果，并且在包含非立方体布局房间的数据集上也表现良好。
引用
@article{arxiv.2110.00644,
title = {RoomStructNet: Learning to Rank Non-Cuboidal Room Layouts From Single View},
author = {Xi Zhang and Chun-Kai Wang and Kenan Deng and Tomas Yago-Vicente and Himanshu Arora},
journal= {arXiv preprint arXiv:2110.00644},
year = {2021}
}
备注
10 pages