利用深度神經網絡對單個全景圖進行的三維房間布局估計已經取得了很大的進展。然而，以前的方法不能通過邊界的緯度或地平線深度來獲得有效的房間布局的幾何感覺。我們提出，使用地平線深度和房間高度可以在水準和垂直方向上獲得對房間布局的全方位的幾何認知。此外，我們提出了一個具有法線和法線梯度的平面幾何意識的損失函數，以監督牆壁的平面性和轉角的情況。我們提出了一個高效的網絡，LGT-Net，用于房間布局估計，它包含一個新穎的Transformer結構，稱為SWG Transformer，用于模拟幾何關系。SWG變換器由（移位）視窗塊和全局塊組成，以結合本地和全局的幾何關系。此外，我們還設計了一個新穎的相對位置嵌入Transformer，以增強全景圖的空間識别能力。實驗表明，所提出的LGT-Net在基準資料集上取得了比目前先進技術（SOTA）更好的性能。
《LGT-Net: Indoor Panoramic Room Layout Estimation with Geometry-Aware Transformer Network》
20220303
論文位址:http://arxiv.org/abs/2203.01824v1
