CVPRMar, 2023

基于交叉尺度扭曲感知的室内全景房间布局估计中分离正交平面

PDF
TL;DR该研究提出了一种基于分离正交平面、软翻转融合策略、特征组装机制和三重注意力的室内布局估计方法，通过实验表明其在四个基准测试中具有优越性能。
indoor layout estimationorthogonal planesgeometric cuesfeature assembling mechanismtriple attention
发现论文，激发创造
  • 通过正交平面分离和多视角几何一致性感知进行 360 布局估计

    通过提出正交平面解缠网络 (DOPNet) 以分辨模糊语义和针对水平深度与比例的无监督自适应技术，本研究在全景布局估计和多视角布局估计任务中优于其他 SoTA 模型。

    Dec, 2023

  • 室内全景平面三维重建：分治算法

    本文提出了一种基于水平面和垂直面的 360 度室内全景图像近似场景的方法，并使用具有地面真实数据的数据集进行了测试，结果表明本文的方法在室内全景图像处理中具有更好的性能。

    Jun, 2021

  • 使用曼哈顿世界假设的神经三维场景重建

    本论文提出一种基于内隐神经表示的重建方法，将平面约束融合到多视角立体方法的深度图估计中，并在 2D 语义分割网络预测的墙和地面区域采用平面约束来规范几何形状。该方法在 ScanNet 数据集上的实验表明，与以前的方法相比，在 3D 重建质量方面表现出更好的性能。

    May, 2022

  • 利用几何和深度学习从全景图像创建布局

    该论文提出了一种从单个全景图像中恢复室内场景的三维布局恢复新方法，该方法结合几何推理和深度学习技术，从而提取结构角并生成房间的布局模型，并在 SUN360 和 Stanford 公共数据集上进行实验。

    Jun, 2018

  • PlaneDepth: 基于正交平面的自监督深度估计

    本文提出了一种基于正交平面的深度估计方法 PlaneDepth，使自监督学习中的深度估计更为精确，同时解决了自动驾驶中分割、补洞等问题，实现了无监督地提取地面平面，为自动驾驶技术的发展提供了有效支持。

    Oct, 2022

  • 多任务计划形状重建与特征扭曲引导

    基于改进的实例分割架构的实时平面重建模型 SoloPlanes，同时预测每个平面实例的语义、平面参数和分段平面实例掩码，通过提供特征空间中的多视角指导，在单张图像推理时同时预测语义，并以 43 帧每秒的实时预测效果。

    Nov, 2023

  • 超越曼哈顿世界假设的三维房间布局估计

    本文提出了基于最新的三维室内布局估计模型的训练和后处理方法，实验结果显示我们的方法在预测可见室内布局方面比现有方法大幅优越，并在 2020 年全面场景结构与 3D 视觉研讨会获得了第三名。

    Sep, 2020

  • 基于深度曼哈顿霍夫变换的全景图立方体贴图室内三维布局估计

    通过学习可学习的 Hough Transform block 来实现将图像特征从 cubemap tile 转换为曼哈顿世界的 Hough 空间，并直接将特征映射到几何输出，从而预测 3D 空间中的墙壁。

    Jul, 2022

  • 利用单个 360 度图像对曼哈顿房间布局进行重建：现有技术方法的比较研究

    该论文总结和描述了从 360 全景图中预测布局的常见框架、变体和设计决策所产生的影响，同时提出了 Matterport3D 数据集的扩展注释和两个基于深度的评估指标。

    Oct, 2019

  • 室内 360° 语义分割的双向互补特征压缩与自蒸馏

    本文提出一种 360 度全景语义分割的新算法，通过特征提取、双向压缩、集成解码等三个模块，将两种互补的低维度压缩方法结合起来，并引入了自我蒸馏策略提高不同特征的交互，最终将全景图像分割，与现有算法相比，性能提升至少 10%。

    Jul, 2022