論文の概要: Floorplan Restoration by Structure Hallucinating Transformer Cascades
- arxiv url: http://arxiv.org/abs/2206.00645v3
- Date: Wed, 31 May 2023 04:25:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-01 23:36:59.449397
- Title: Floorplan Restoration by Structure Hallucinating Transformer Cascades
- Title（参考訳）: 構造幻覚型変圧器カスケードによるフロアプランの復元
- Authors: Sepidehsadat Hosseini, Yasutaka Furukawa
- Abstract要約: 本稿では, 極端なフロアプラン再構築作業, タスクのための新しいベンチマーク, ソリューションとしてのニューラルアーキテクチャを提案する。
パノラマ画像から推定またはキュレートされた部分的なフロアプランの再構築を前提として、目に見える建築構造を含む完全なフロアプランを再構築することが課題である。
提案したニューラルネットワークは、入力部分フロアプランを畳み込みニューラルネットワークとトランスフォーマーによって潜在ベクトルの集合に符号化する。
- 参考スコア（独自算出の注目度）: 30.802985678221603
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents an extreme floorplan reconstruction task, a new benchmark
for the task, and a neural architecture as a solution. Given a partial
floorplan reconstruction inferred or curated from panorama images, the task is
to reconstruct a complete floorplan including invisible architectural
structures. The proposed neural network 1) encodes an input partial floorplan
into a set of latent vectors by convolutional neural networks and a
Transformer; and 2) reconstructs an entire floorplan while hallucinating
invisible rooms and doors by cascading Transformer decoders. Qualitative and
quantitative evaluations demonstrate effectiveness of our approach over the
benchmark of 701 houses, outperforming the state-of-the-art reconstruction
techniques. We will share our code, models, and data.
- Abstract（参考訳）: 本稿では,エクストリームフロアプラン再構築タスク,新しいタスクベンチマーク,ニューラルネットワークアーキテクチャを解として提示する。
パノラマ画像から推定またはキュレートされた部分的なフロアプランの再構築を前提として、見えない建築構造を含む完全なフロアプランの再構築を行う。
ニューラルネットワークの提案
1)畳み込みニューラルネットワークとトランスフォーマによって入力された部分床版を一連の潜在ベクトルに符号化する。
2) トランスフォーマーデコーダをカスケードすることにより, 見えない部屋や扉を幻覚しながら, フロアプラン全体を再構築する。
定性的,定量的評価により,701戸の住宅に対するアプローチの有効性が示された。
コード、モデル、データを共有します。
関連論文リスト
- PVP-Recon: Progressive View Planning via Warping Consistency for Sparse-View Surface Reconstruction [49.7580491592023]
PVP-Recon, 新規かつ効果的なスパースビュー表面再構成法を提案する。
PVP-Reconは3つのビューで初期表面の再構築を開始し、徐々に新しいビューを追加する。
このプログレッシブビュー計画の進捗は、神経SDFベースの再構築モジュールによってインターリーブされる。
論文 参考訳（メタデータ） (2024-09-09T10:06:34Z) - FRI-Net: Floorplan Reconstruction via Room-wise Implicit Representation [18.157827697752317]
本研究では,FRI-Netと呼ばれる新しい3次元点雲からの2次元フロアプラン再構築手法を提案する。
フロアプランの幾何学的事前をトレーニング戦略に組み込むことにより、生成された部屋ポリゴンはより幾何学的に規則的である。
提案手法は,提案手法の有効性を実証し,提案手法の有効性を検証した。
論文 参考訳（メタデータ） (2024-07-15T13:01:44Z) - Simultaneous Map and Object Reconstruction [66.66729715211642]
本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。
我々は、最近の新しいビュー合成法から着想を得て、大域的な最適化として再構築問題を提起する。
連続動作の慎重なモデリングにより, 回転するLiDARセンサの回転シャッター効果を補うことができる。
論文 参考訳（メタデータ） (2024-06-19T23:53:31Z) - Optimized Vectorizing of Building Structures with Switch:
High-Efficiency Convolutional Channel-Switch Hybridization Strategy [5.563205385450147]
平面グラフ再構築のための高度かつ適応的なシフトアーキテクチャを提案する。
SwitchNNアーキテクチャには、畳み込みニューラルネットワークプロセスにインスパイアされたグループベースのパラメータ共有機構が組み込まれている。
本研究は,2次元建築画像からの平面グラフ再構成における,この革新的なアーキテクチャの有効性を実証するものである。
論文 参考訳（メタデータ） (2023-06-26T19:49:44Z) - Learning Reconstructability for Drone Aerial Path Planning [51.736344549907265]
本研究では,無人ドローンを用いた大規模3次元都市景観獲得のためのビューとパスプランニングを改善するための,学習に基づく最初の再構成可能性予測器を提案する。
従来の手法とは対照的に,本手法では,一組の視点から3次元都市景観をいかによく再構築するかを明示的に予測するモデルを学習する。
論文 参考訳（メタデータ） (2022-09-21T08:10:26Z) - Single-view 3D Mesh Reconstruction for Seen and Unseen Categories [69.29406107513621]
シングルビュー3Dメッシュ再構成は、シングルビューRGB画像から3D形状を復元することを目的とした、基本的なコンピュータビジョンタスクである。
本稿では,一視点3Dメッシュ再構成に取り組み,未知のカテゴリのモデル一般化について検討する。
我々は、再構築におけるカテゴリ境界を断ち切るために、エンドツーエンドの2段階ネットワークであるGenMeshを提案する。
論文 参考訳（メタデータ） (2022-08-04T14:13:35Z) - End-to-end Graph-constrained Vectorized Floorplan Generation with
Panoptic Refinement [16.103152098205566]
本研究では,1次元ベクトルのシーケンスとしてフロアプランを合成することを目的としている。
最初の段階では,ユーザが入力した部屋接続グラフをGCN(Graphal Network)でエンコードし,自動回帰トランスフォーマネットワークを適用して初期フロアプランを生成する。
初期設計を洗練し、より視覚的に魅力的なフロアプランを生成するために、GCNとトランスフォーマーネットワークからなる新しい汎視補正ネットワーク(PRN)を提案する。
論文 参考訳（メタデータ） (2022-07-27T03:19:20Z) - BuildFormer: Automatic building extraction with vision transformer [7.577142111447444]
本稿では,超高解像度リモートセンシング画像,すなわちBuildFormerから建物を抽出するトランスフォーマーネットワークを提案する。
ResNetとの比較において,提案手法はWHU構築データセット上でmIoUの2%の改善を実現する。
論文 参考訳（メタデータ） (2021-11-29T11:23:52Z) - PlaneRecNet: Multi-Task Learning with Cross-Task Consistency for
Piece-Wise Plane Detection and Reconstruction from a Single RGB Image [11.215334675788952]
ピアースワイドな3次元平面再構成は、特に屋内シナリオにおいて、人為的な環境の全体像の理解を提供する。
最新のアプローチは、高度なネットワークアーキテクチャを導入し、セグメンテーションと再構築結果の改善に重点を置いている。
マルチタスク畳み込みニューラルネットワークであるPlaneRecNetのクロスタスク一貫性の強化から始まります。
平面分割と深さ推定の精度を両立させる新しい損失関数(幾何学的制約)を導入する。
論文 参考訳（メタデータ） (2021-10-21T15:54:03Z) - FloorLevel-Net: Recognizing Floor-Level Lines with
Height-Attention-Guided Multi-task Learning [49.30194762653723]
本研究は, 教師付き深層学習手法を用いて, ストリートビュー画像中のフロアレベル線の位置を求める問題に対処する。
まず、新しいデータセットをコンパイルし、トレーニングサンプルを合成する新しいデータ拡張スキームを開発する。
次にFloorLevel-Netを設計する。FloorLevel-Netは、ファサードと暗黙のフロアレベルラインの明示的な特徴を関連付けるマルチタスク学習ネットワークである。
論文 参考訳（メタデータ） (2021-07-06T08:17:59Z) - Structured Convolutions for Efficient Neural Network Design [65.36569572213027]
畳み込みニューラルネットワーク構築ブロックのテクスト単純構造における冗長性を利用してモデル効率に取り組む。
この分解が2Dカーネルや3Dカーネルだけでなく、完全に接続されたレイヤにも適用可能であることを示す。
論文 参考訳（メタデータ） (2020-08-06T04:38:38Z)
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。