【室内场景重绘】开源 | 缩小现实模型，预测室内场景的结构，重建同一场景的空背景，在Structured3D数据集性能SOTA！

获取完整原文和代码，公众号回复：10049921244

论文地址： http://arxiv.org/pdf/2106.00446v1.pdf

代码： 公众号回复：10049921244

来源： Centre for Research and Technology Hellas, Thessaloniki, Greece

论文名称：PanoDR：Spherical Panorama Diminished Reality for Indoor Scenes

原文作者：Vasileios Gkitsas

内容提要

商业360o相机的日益普及使得室内扫描更加大众化，增加了人们对新奇应用软件的兴趣，比如室内空间的重新设计。缩小现实(DR)满足了这类应用程序的要求，即移除场景中存在的物体，本质上将其转化为反事实的图像修补任务。虽然数据驱动的图像修补在生成真实样本方面取得了重大进展，但它们并不局限于此。为了在室内(重新)规划应用中保持真实，场景结构的保存至关重要。为了确保结构感知的反事实绘画，我们提出了一个模型，该模型首先预测室内场景的结构，然后使用它来指导重建一个仅代表同一场景的空背景。在Structured3D数据集上训练DR修改的版本，并与其他最先进的方法进行比较，在定量度量和定性结果上本文模型都显示出了更好的结果，更有趣的是，我们的方法的收敛速度更快。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。

分享最新的CVPR、ECCV、ICCV、IROS等人工智能论文，关注深度学习、自动驾驶领域。

点个“在看”，让我知道你的爱