获取完整原文和代码,公众号回复:10090998521
论文地址: http://arxiv.org/pdf/2110.11219v1.pdf
代码: 公众号回复:10090998521
来源: German Research Centre for Artificial Intelligence (DFKI)
论文名称:PlaneRecNet: Multi-Task Learning with Cross-Task Consistency for Piece-Wise Plane Detection and Reconstruction from a Single RGB Image
原文作者:Yaxu Xie
内容提要
分段3D平面重建提供了人造环境的整体场景理解,特别是室内场景。最近的方法主要是通过引入先进的网络结构来改善分割和重建的结果,但忽略了分段平面作为对象和几何模型的双重特性。与现有的方法不同,我们从增强多任务卷积神经网络的跨任务一致性开始,我们的多任务卷积神经网络PlaneRecNet,集成了一个单级实例分割网络用于分段平面分割和深度解码器,从单个RGB图像重建场景。为此,我们引入了一些新的损失函数(几何约束),共同提高了分段平面分割和深度估计的精度。同时,利用平面实例的感知,提出了一种新的平面优先注意模块来指导深度估计。我们进行了详尽的实验来验证我们方法的有效性和效率。
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。