論文の概要: MonteFloor: Extending MCTS for Reconstructing Accurate Large-Scale Floor
Plans
- arxiv url: http://arxiv.org/abs/2103.11161v1
- Date: Sat, 20 Mar 2021 11:36:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-23 15:04:25.819277
- Title: MonteFloor: Extending MCTS for Reconstructing Accurate Large-Scale Floor
Plans
- Title(参考訳): MonteFloor: 正確な大規模フロアプランを再構築するためのMCTSの拡張
- Authors: Sinisa Stekovic, Mahdi Rad, Friedrich Fraundorfer, Vincent Lepetit
- Abstract要約: うるさい3次元点雲からフロアプランを再構成する新しい手法を提案する。
私たちの主な貢献は、モンテカルロ木探索(mcts)アルゴリズムに依存する原則に基づくアプローチです。
本手法は, 構造化3Dおよびフロア-SPデータセットを用いて評価した。
- 参考スコア(独自算出の注目度): 41.31546857809168
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a novel method for reconstructing floor plans from noisy 3D point
clouds. Our main contribution is a principled approach that relies on the Monte
Carlo Tree Search (MCTS) algorithm to maximize a suitable objective function
efficiently despite the complexity of the problem. Like previous work, we first
project the input point cloud to a top view to create a density map and extract
room proposals from it. Our method selects and optimizes the polygonal shapes
of these room proposals jointly to fit the density map and outputs an accurate
vectorized floor map even for large complex scenes. To do this, we adapted
MCTS, an algorithm originally designed to learn to play games, to select the
room proposals by maximizing an objective function combining the fitness with
the density map as predicted by a deep network and regularizing terms on the
room shapes. We also introduce a refinement step to MCTS that adjusts the shape
of the room proposals. For this step, we propose a novel differentiable method
for rendering the polygonal shapes of these proposals. We evaluate our method
on the recent and challenging Structured3D and Floor-SP datasets and show a
significant improvement over the state-of-the-art, without imposing any hard
constraints nor assumptions on the floor plan configurations.
- Abstract(参考訳): うるさい3次元点雲からフロアプランを再構成する新しい手法を提案する。
我々の主な貢献はモンテカルロ木探索 (MCTS) アルゴリズムに依存する原理的アプローチであり、問題の複雑さにもかかわらず最適な目的関数を効率的に最大化する。
以前の作業と同様に、最初にインプットポイントクラウドをトップビューに投影し、密度マップを作成し、部屋の提案を抽出します。
提案手法は,これらの部屋の多角形形状を共同で選択・最適化して密度マップに適合させ,大規模な複雑なシーンにおいても正確なベクトル化フロアマップを出力する。
そこで我々は,ゲーム遊びを学習するためのアルゴリズムであるmctsを用いて,深層ネットワークで予測される適合度と密度マップを組み合わせた目的関数を最大化し,部屋形状の用語を正則化することにより,部屋提案を選択する。
また,部屋の提案の形状を調節する改良段階をMCTSに導入する。
本稿では,これらの提案の多角形を描画する新しい微分可能な手法を提案する。
我々は,最近のStructured3DとFloor-SPデータセットについて,フロアプランの構成に厳しい制約や仮定を課すことなく,現状よりも大幅に改善されていることを示す。
関連論文リスト
- 360 Layout Estimation via Orthogonal Planes Disentanglement and
Multi-view Geometric Consistency Perception [60.23832277827669]
既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元する傾向がある。
水平深度と比表現に適した教師なし適応手法を提案する。
また,決定レベルのレイアウト解析のための最適化手法と,特徴レベルのマルチビューアグリゲーションのための1次元コストボリューム構築手法も導入する。
論文 参考訳(メタデータ) (2023-12-26T12:16:03Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳(メタデータ) (2022-12-17T15:05:25Z) - Structure PLP-SLAM: Efficient Sparse Mapping and Localization using
Point, Line and Plane for Monocular, RGB-D and Stereo Cameras [13.693353009049773]
本稿では,PPRモジュールを組み込んだ高機能カメラローカライゼーションを実現するために,ポイント・ライン・クラウドを用いた視界SLAMシステムを提案する。
再構成された線や平面上での複数の実行時最適化を提案することにより,幾何的プリミティブをスケールのあいまいさで再構築するという課題に対処する。
その結果,提案したSLAMはセマンティック機能をしっかりと組み込んで,トラッキングとバックエンドの最適化を強化していることがわかった。
論文 参考訳(メタデータ) (2022-07-13T09:05:35Z) - MCTS with Refinement for Proposals Selection Games in Scene
Understanding [32.92475660892122]
本稿では,モンテカルロ木探索(MCTS)アルゴリズムを適用したシーン理解問題に適用可能な新しい手法を提案する。
提案手法は,提案された提案のプールから,目的語を最大化する提案を共同で選択し,最適化する。
本手法は,部屋配置に厳しい制約を加えることなく,Matterport3Dデータセット上で高い性能を示す。
論文 参考訳(メタデータ) (2022-07-07T10:15:54Z) - Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。
平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。
提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
論文 参考訳(メタデータ) (2022-05-05T17:59:55Z) - Automated LoD-2 Model Reconstruction from Very-HighResolution
Satellite-derived Digital Surface Model and Orthophoto [1.2691047660244335]
本稿では,LoD-2ビルディングモデルを「分解最適化最適化」パラダイムに従って再構成するモデル駆動手法を提案する。
提案手法は,既存の手法に対するいくつかの技術的問題点に対処し,その有効性を実証した。
論文 参考訳(メタデータ) (2021-09-08T19:03:09Z) - Depth Completion using Piecewise Planar Model [94.0808155168311]
深度マップは一連の学習された基底で表現することができ、閉じた解法で効率的に解ける。
しかし、この方法の1つの問題は、色境界が深さ境界と矛盾する場合にアーチファクトを生成することである。
私たちは、より厳密な深度回復モデルを実行します。
論文 参考訳(メタデータ) (2020-12-06T07:11:46Z) - SoftPoolNet: Shape Descriptor for Point Cloud Completion and
Classification [93.54286830844134]
本稿では,点雲に基づく3次元オブジェクトの補完と分類手法を提案する。
デコーダの段階では,グローバルな活性化エントロピーの最大化を目的とした新しい演算子である地域畳み込みを提案する。
我々は,オブジェクトの完成度や分類,最先端の精度の達成など,異なる3次元タスクに対するアプローチを評価する。
論文 参考訳(メタデータ) (2020-08-17T14:32:35Z) - Scan2Plan: Efficient Floorplan Generation from 3D Scans of Indoor Scenes [9.71137838903781]
Scan2Planは,室内環境の構造要素の3次元スキャンから,フロアプランを正確に推定するための新しい手法である。
提案手法は、初期ステージがシーンの無秩序な点雲をクラスタリングする2段階のアプローチを取り入れたものである。
その後の段階では、各部屋について単純なポリゴンによってパラメータ化された閉周を推定する。
最後のフロアプランは、グローバル・コーディネート・システムにおけるすべての部屋周計の集合である。
論文 参考訳(メタデータ) (2020-03-16T17:59:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。