面向高效鲁棒房间布局估计的智能假设生成方法
计算机视觉与模式识别
2019-10-29 v1
摘要
我们提出了一种从单张单目RGB图像高效估计房间空间布局的新方法。由于现有基于低级特征提取并随后进行消失点估计的方法在真实场景中非常缓慢且常常不可靠，我们建立在输入图像的语义分割之上。为获得更好的分割，我们引入了一种鲁棒、准确且非常高效的假设-检验方案。其核心思想是使用三个分割假设，每个基于不同数量的可见墙壁。对于每个假设，我们预测房间角点的图像位置，并选择这样一个假设：由其房间角点估计出的布局与该分割一致。我们在三个具有挑战性的基准数据集上展示了我们方法的效率与鲁棒性，显著优于当前最优方法。
引用
@article{arxiv.1910.12257,
title = {Smart Hypothesis Generation for Efficient and Robust Room Layout Estimation},
author = {Martin Hirzer and Peter M. Roth and Vincent Lepetit},
journal= {arXiv preprint arXiv:1910.12257},
year = {2019}
}
备注
Accepted: Winter Conference on Applications of Computer Vision (WACV) 2020