Plan2Scene:将平面图转换为 3D 场景
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
研究如何从 1 或多张图像中合成逼真的室内 3D 场景,采用了基于图像的 GAN 来直接映射成高分辨率的 RGB-D 图像,及在 VLN 训练中进行空间干扰以提高成功率。
Apr, 2022
HouseCrafter 使用 2D 扩散模型生成与全景平面图一致的多视角 RGB-D 图像,从而重建高质量的 3D 室内场景。
Jun, 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
通过引用图像和文本描述,我们提出了一种名为 Text2Scene 的方法,可以自动创建由多个物体组成的虚拟场景的逼真纹理,这种方法在房间的标记三维几何体上增加了详细纹理,使生成的颜色尊重经常由类似材料组成的分层结构或语义部分。
Aug, 2023
本文提出了基于自然语言的房间风格合成算法 RoomDreamer,通过 Geometry Guided Diffusion 和 Mesh Optimization 处理实现 3D 室内场景生成,大幅提升了几何和纹理的一致性和图像质量。
May, 2023
本文介绍了一种从扫描的 2D 平面图重建矢量化 3D 模型的流程,以提高数字化过程的效率,该方法在公共数据集 CubiCasa5k 中实现了最先进的结果,并表现出较好的推广性,其矢量化方法特别有效,优于以前的方法。
Jun, 2023
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
本文介绍了一种语言引导的 3D 室内场景语义风格转移的方法,基于多层感知机,视觉语言模型,采用渲染和修正的方式实现创新,通过 ScanNet 数据集测试表明,语义信息的引入显著提高了风格转移的品质和用户评分。
Aug, 2022
我们提出了一种基于平面基元的 RGB-D 室内场景重建新方法,通过适应平面构建整个场景的低多边形网格,保留原始场景的几何细节和锐利特征并生成清晰的面纹理,相较于现有方法更有效的从 RGB-D 数据生成纹理网格。
May, 2019