单次立方体：基于测地线的球面全景图端到端曼哈顿对齐布局估计
计算机视觉与模式识别
2021-02-10 v2 机器学习
摘要
已有研究表明，布局估计等全局场景理解任务可受益于更宽的视场角，尤其是球面全景图。尽管近期已取得诸多进展，所有先前方法都依赖中间表示与后处理来生成曼哈顿对齐的估计结果。本文展示了如何以单次方式估计完整房间布局，从而消除后处理需求。我们的工作是首个直接推断曼哈顿对齐输出的方法。为此，我们的数据驱动模型利用直接坐标回归并受端到端监督。因此，我们可以显式添加准曼哈顿约束，其为基于单应性的曼哈顿对齐模块设定必要条件。最后，我们引入测地热图与损失，以及边界感知质心计算，以提升球面域中关键点估计的质量。我们的模型与代码已公开于 https://vcl3d.github.io/SingleShotCuboids/。
引用
@article{arxiv.2102.03939,
title = {Single-Shot Cuboids: Geodesics-based End-to-end Manhattan Aligned Layout Estimation from Spherical Panoramas},
author = {Nikolaos Zioulis and Federico Alvarez and Dimitrios Zarpalas and Petros Daras},
journal= {arXiv preprint arXiv:2102.03939},
year = {2021}
}