Structured3D：面向结构化三维建模的大规模照片级真实数据集

近来，开发基于学习的方法来检测并利用显著半全局或全局结构（如交点、线、平面、长方体、光滑曲面以及各类对称性）进行三维场景建模与理解，受到越来越多的关注。然而，真实标注通常经由人工获取，对于这些任务而言尤其具有挑战性且效率低下，原因在于三维结构实例（如线段）数量庞大，以及视角和遮挡等其他因素。本文提出一个新的合成数据集 Structured3D，旨在为广泛的结构化三维建模任务提供带有丰富三维结构标注的大规模照片级真实图像。我们利用专业室内设计的可得性并自动从中提取三维结构。我们使用业界领先的渲染引擎生成高质量图像。我们将该合成数据集与真实图像结合来训练深度网络进行房间布局估计，并展示了在基准数据集上性能的提升。