面向三维建筑重建的平移对称性感知立面解析
计算机视觉与模式识别
2021-06-03 v1
摘要
有效解析立面对于三维建筑重建至关重要，这是一个具有重要应用(如导航高精度地图、计算机辅助设计以及数字娱乐城市生成)的计算机视觉问题。为此，关键是如何准确高效地从二维图像获取形状文法。尽管深度学习方法在语义解析上取得了良好结果，但其不能直接利用对人造结构起重要作用的建筑规则。本文提出一种新颖的基于平移对称性的方法来改进深度神经网络。我们的方法以深度学习模型作为基础解析器，并利用平移对称性模块精炼初始解析结果。与传统的语义分割或边界框预测不同，我们提出一种在单阶段网络中融合分割与无锚检测的新方案，从而实现高效训练与更好收敛。在将立面解析为形状文法后，我们采用如Blender等现成渲染引擎，通过程序化建模重建逼真的高质量三维模型。我们在三个公开数据集上开展实验，所提方法优于当前最优(state-of-the-art)方法。此外，我们展示了由二维立面图像构建的三维建筑模型。
引用
@article{arxiv.2106.00912,
title = {Translational Symmetry-Aware Facade Parsing for 3D Building Reconstruction},
author = {Hantang Liu and Wentong Li and Jianke Zhu},
journal= {arXiv preprint arXiv:2106.00912},
year = {2021}
}
备注
12 pages