用于室内家具布局生成的结构化图变分自编码器
计算机视觉与模式识别
2022-07-27 v3
摘要
我们提出了一种用于生成室内 3D 场景布局的结构化图变分自编码器。给定房间类型（例如客厅或图书馆）和房间布局（例如地板和墙壁等房间元素），我们的架构生成一组与房间类型和布局一致的对象（例如沙发、桌子和椅子等家具项）。这是一个具有挑战性的问题，因为生成的场景应满足多个约束，例如每个对象必须位于房间内且两个对象不能占据同一体积。为应对这些挑战，我们提出了一种深度生成模型，将这些关系编码为属性图上的软约束（例如，节点捕获房间和家具元素的属性，如类别、位姿和尺寸，边捕获如相对方向等几何关系）。该架构由一个将输入图映射到结构化潜空间的图编码器，以及一个给定潜码和房间图生成家具图的图解码器组成。潜空间采用自回归先验建模，这有助于生成高度结构化的场景。我们还提出了一种结合匹配与约束学习的高效训练过程。在 3D-FRONT 数据集上的实验表明，我们的方法生成的场景多样且适应房间布局。
引用
@article{arxiv.2204.04867,
title = {Structured Graph Variational Autoencoders for Indoor Furniture layout Generation},
author = {Aditya Chattopadhyay and Xi Zhang and David Paul Wipf and Himanshu Arora and Rene Vidal},
journal= {arXiv preprint arXiv:2204.04867},
year = {2022}
}