Scaled 360 layouts: Revisiting non-central panoramas

要約

中心でないパノラマから、幾何学的な推論によって3Dラインを復元することができる。しかし、ノイズに敏感であることと、複雑な幾何学的モデリングが必要であることから、これらのパノラマはほとんど研究されていない。本研究では、非中心パノラマを用いた室内環境の3Dレイアウト回復のための新しいアプローチを提案する。ディープラーニングを用いて非中心パノラマから部屋の構造線の境界を求め、新しい幾何学的処理で非中心投影システムの特性を利用し、スケーリングされたレイアウトを復元する。マンハッタン環境、オクルージョン処理、アトランタ環境の問題を統一的な手法で解決する。実施した実験により、単一パノラマからの3Dレイアウト回復のための最先端の手法が改善された。我々のアプローチは、非中央パノラマでディープラーニングを用い、単一パノラマレイアウトのスケールを回復する最初の研究である。

要約(オリジナル)

From a non-central panorama, 3D lines can be recovered by geometric reasoning. However, their sensitivity to noise and the complex geometric modeling required has led these panoramas being very little investigated. In this work we present a novel approach for 3D layout recovery of indoor environments using single non-central panoramas. We obtain the boundaries of the structural lines of the room from a non-central panorama using deep learning and exploit the properties of non-central projection systems in a new geometrical processing to recover the scaled layout. We solve the problem for Manhattan environments, handling occlusions, and also for Atlanta environments in an unified method. The experiments performed improve the state-of-the-art methods for 3D layout recovery from a single panorama. Our approach is the first work using deep learning with non-central panoramas and recovering the scale of single panorama layouts.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL