SSLayout360：基于360度全景图的半监督室内布局估计
计算机视觉与模式识别
2021-05-18 v3 机器学习
摘要
近年来，半监督学习与3D房间布局重建研究均蓬勃发展。在本工作中，我们探索这两个领域的交叉点，以推进以更少标注数据实现更精确3D室内场景建模的研究目标。我们提出首种方法，通过使用标注与未标注数据的组合来学习房间角点与边界的表示，从而改进360度全景场景中的布局估计。通过大量对比实验，我们证明我们的方法仅使用少至20个标注样本即可改进复杂室内场景的布局估计。当与在合成数据上预训练的布局预测器结合时，我们的半监督方法仅使用12%的标签即匹配全监督对应方法。我们的工作朝稳健的半监督布局估计迈出重要的第一步，其可赋能有限标注数据下3D感知的诸多应用。
引用
@article{arxiv.2103.13696,
title = {SSLayout360: Semi-Supervised Indoor Layout Estimation from 360-Degree Panorama},
author = {Phi Vu Tran},
journal= {arXiv preprint arXiv:2103.13696},
year = {2021}
}
备注
CVPR 2021. File size 37MB. Project page at https://github.com/FlyreelAI/sslayout360