该文提出了一种新算法，利用 2D 平面图对全景 RGBD 扫描进行校准，该算法可以大幅减少所需扫描数，并在五个大型室内空间上进行了评估。这是第一个利用 2D 平面图进行大型室内三维点云重建的有效系统，提出的算法使用多模态图像对应线索 (在扫描和平面图之间)，并避免了固有的堆叠偏差

Dec, 2016

本研究旨在通过智能手机，利用深度神经网络技术重建室内地图，提出了线上勘测算法 FloorNet 核心思路，即将 RGBD 流图像数据分别经过三个大的神经网络模块来提取特征并同时考虑 3D 与 2D 空间信息，这种方法能够有效提高室内平面图的重建准确性。

Mar, 2018

我们提出了一种高效的数据驱动的解决方案，用于楼层平面图的自我定位。该方法不需要每张地图和位置的重新训练，也不需要大量图片数据库。我们提出了一个由观测模块和新型时间滤波模块组成的新颖概率模型。我们的方法适用于传统消费硬件，并克服了其他方法常常需要直立图像的共同限制。我们的系统满足实时要求，并在性能上显著超过现有技术。

Mar, 2024

该研究主要讨论了如何使用 Transformer Architecture 来解决 2D 平面图的重建问题，并通过多个数据集的实验证明了其在各方面的优越性。

Nov, 2022

我们提出了一种新的自动二维楼层平面重建系统，该系统利用我们的 SALVe 算法进行学习验证器。通过使用我们稀疏定位的 360° 全景图，以及从中推测出的语义特征（窗户，门和开口），我们的系统构建了房间的拓扑结构，并通过 HorizonNet 算法推断出楼层平面。经过定性和定量验证以及消融研究，我们的系统在完整性方面表现超过了现有的 SfM 系统 200％以上，而不牺牲准确性。

Jun, 2024

本文提出了一种基于向量序列而非图片格式生成楼层平面图的方法，并详细介绍了一个基于图卷积网络这一新颖框架的二阶段流程，最终在实际数据集上取得了最佳的表现。

Jul, 2022

SPSG 是一种新颖的方法，通过学习自我监督方式推断未观测到的场景几何和颜色信息，结合技术对二维渲染图像进行对抗和感知损失计算，直接生成高质量的有色三维场景模型，在合成和实际数据上性能优于现有技术。

Jun, 2020

我们提出了一种使用地面平面图先验来对齐部分 3D 重建的新方法，此方法不需要特征匹配，可以应用于大型或无特征场景的重建，并且在各种大小和复杂度的真实和合成场景上进行了量化和定性验证，显示了其卓越的效力和准确性。

Dec, 2018

本文提出了一种新颖的方法来解决 “极端结构运动” 问题，通过估计 2D 平移和旋转来对齐房间布局，解决仿佛房间布局拼图的问题，并使用扩散模型解决了具有挑战性的注册问题。该论文还提出了一个新的数据集，用于 98,780 幢房屋的房间布局和平面图，并经定量和定性评估证明，所提出的方法表现出比竞争方法更好的性能。

Nov, 2022

本文提出一种新的方法，可同时优化几何编码、纹理以及材料和场景照明，以从消费级 RGB-D 传感器中获得高质量的 3D 重建。

Aug, 2017