线框检测：Learning to Parse Wireframes in Images of Man-Made Environments【方法解读】

概述

这篇文章《Learning to Parse Wireframes in Images of Man - Made Environments》主要介绍了一种基于学习的方法来自动提取人造环境图像的“线框”表示。

• 背景和目标：从2D图像推断3D几何信息是计算机视觉的基本问题，传统方法在人造环境中存在挑战，人类视觉系统能利用场景结构特征进行定位，因此本文旨在开发能有效提取人造场景线框的视觉系统。
• 数据集：收集了5462张人造环境图像并建立新数据集，标注了与场景结构相关的线段和交点，且不局限于曼哈顿交点。
• 线框检测方法：设计了新的卷积神经网络来分别检测交点和直线，然后合并成线框。交点检测网络采用全卷积网络和多箱表示，损失函数包括四个模块；线检测网络基于堆叠沙漏网络，通过预测像素是否在线上来检测直线。
• 实验：在一个NVIDIA Titan X GPU设备上进行实验，将数据集分为训练集和测试集，通过召回率和精确率评估方法性能。与其他方法比较，本文方法在交点检测和线段检测上有优势，且线框构建方法更有效。
• 结论：本文方法展示了解析人造环境图像线框的可行性，结果近似于人类标注