Nov, 2023

Seg2Reg：可微分的二维分割到一维回归渲染用于 360 度房间布局重建

PDF
TL;DR通过 Seg2Reg 方法，利用 2D 分割地图生成 1D 布局深度回归，结合密度场和体积渲染实现单视图 360 度室内布局重建，同时利用 3D 扭曲增强布局以提高泛化性能。
360-degree room layout reconstructionseg2regfloor-plan densityflattened volume rendering3d warping augmentation
发现论文，激发创造
  • LED2-Net：基于可微深度渲染的单目 360 布局估计

    本文提出一种 360 布局估计的方法，采用可微分的深度渲染程序进行 3D 重建，从而达到对布局进行 3D 重建的目的，并取得了最新的性能表现。

    Apr, 2021

  • 使用渲染比较实现从单一视角获取的一般三维室内布局

    本文提出一种解决单视角条件下房间（墙壁，地板，天花板）的三维布局重建问题的新方法，使用离群点检测和优化方法，在处理布局中的遮挡时提高了重建的准确性，同时创建了扫描网数据集以便对方法进行数量化评价。

    Jan, 2020

  • 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

  • RenderOcc: 基于图像渲染监督的视觉中心化 3D 占据预测

    利用 2D 标签训练多视图 3D 占有模型，降低对昂贵的 3D 占有注释的依赖，并在实际应用中取得与使用 3D 标签全面监督的模型相当的性能。

    Sep, 2023

  • RoomNet: 端到端的房间布局估计

    该论文的研究重点为从单目 RGB 图像中估算房间布局，采用端到端可训练的编码 - 解码网络 RoomNet 直接估算有序的房间布局关键点，实现了与最新工作相比 200-600 倍的加速和最新的性能。

    Mar, 2017

  • 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

  • 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

  • OccFlowNet: 基于可微分渲染和占据流的自监督占据估计

    通过利用 2D 标签，我们提出了一种基于神经辐射场（NeRF）的新方法来估计体素占据，结合时间渲染和占据流，进一步推进了体素占据预测，并且在该领域中取得了最先进的性能。

    Feb, 2024

  • DenseReg：野外密集形状回归的全卷积密集网络

    该研究提出了一种称为 DenseReg 的系统，使用手动标记的面部特征点作为训练网络的基础，实现了从图像到模板之间的密集对应关系，其在面部分析任务及身体对应分析中取得了较好的结果。

    Dec, 2016

  • 超越想象：生成无限制的三维房间布局

    我们提出了一个不依赖于典型框近似或曼哈顿世界假设的房间布局估计方法，将几何推断问题重新定义为实例检测任务，通过使用 R-CNN 直接回归 3D 平面来解决该问题，然后使用一种概率聚类的变体来结合每个视频序列中的每帧回归的 3D 平面及其相应的相机姿态，并得到一个单个的全局 3D 房间布局估计结果；最后，我们展示了在不假设垂直对准的情况下处理任何对齐的墙壁的结果。

    May, 2019