目录
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