論文の概要: Layout-guided Indoor Panorama Inpainting with Plane-aware Normalization

• arxiv url: http://arxiv.org/abs/2301.05624v1
• Date: Fri, 13 Jan 2023 15:48:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-16 14:52:02.637554
• Title: Layout-guided Indoor Panorama Inpainting with Plane-aware Normalization
• Title（参考訳）: 平面型正規化による室内パノラマ塗布
• Authors: Chao-Chen Gao, Cheng-Hsiu Chen, Jheng-Wei Su, Hung-Kuo Chu
• Abstract要約: 室内パノラマ画像インペイントのためのエンドツーエンドのディープラーニングフレームワークを提案する。 室内パノラマの塗布過程における世界的・地域的文脈を生かした。 実験の結果,我々の研究はパノラマデータセット上での最先端の手法よりも優れていた。
• 参考スコア（独自算出の注目度）: 10.721512251097606
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present an end-to-end deep learning framework for indoor panoramic image inpainting. Although previous inpainting methods have shown impressive performance on natural perspective images, most fail to handle panoramic images, particularly indoor scenes, which usually contain complex structure and texture content. To achieve better inpainting quality, we propose to exploit both the global and local context of indoor panorama during the inpainting process. Specifically, we take the low-level layout edges estimated from the input panorama as a prior to guide the inpainting model for recovering the global indoor structure. A plane-aware normalization module is employed to embed plane-wise style features derived from the layout into the generator, encouraging local texture restoration from adjacent room structures (i.e., ceiling, floor, and walls). Experimental results show that our work outperforms the current state-of-the-art methods on a public panoramic dataset in both qualitative and quantitative evaluations. Our code is available at https://ericsujw.github.io/LGPN-net/
• Abstract（参考訳）: 室内パノラマ画像インペイントのためのエンドツーエンドディープラーニングフレームワークを提案する。 従来のインペインティング手法は自然な視点画像では印象的な性能を示したが、パノラマ画像、特に室内シーンは複雑な構造とテクスチャを含むことが多い。 そこで本研究では,室内パノラマの塗布過程における世界的・地域的文脈を生かして,塗装品質を向上させることを提案する。 具体的には,入力パノラマから推定される低レベルのレイアウトエッジを予め考慮し,グローバルな室内構造を復元するためのインペインティングモデルをガイドする。 平面対応正規化モジュールを用いて、レイアウトから派生した平面的スタイルの特徴をジェネレータに埋め込み、隣接する部屋構造(天井、床、壁など)から局所的なテクスチャ復元を促進する。 実験の結果, 定性評価と定量的評価の両面において, 公開パノラマデータセットにおける現状の手法よりも優れた結果が得られた。 私たちのコードはhttps://ericsujw.github.io/LGPN-net/で利用可能です。

関連論文リスト

• SPVLoc: Semantic Panoramic Viewport Matching for 6D Camera Localization in Unseen Environments [4.2603120588176635]
  SPVLocは、クエリ画像の6Dカメラポーズを正確に決定するグローバル屋内ローカライズ手法である。 本手法では、視点カメラのビューポートをローカライズするために、新しいマッチング手法を用いる。 技術手法と比較して位置決め精度が優れており、カメラのポーズの自由度も高いと推定される。
  論文  参考訳（メタデータ） (2024-04-16T12:55:15Z)
• Diagnostic Benchmark and Iterative Inpainting for Layout-Guided Image Generation [147.81509219686419]
  本研究では,空間制御の4つの分野(数,位置,サイズ,形状)について,レイアウト誘導画像生成のための診断ベンチマークを提案する。 次に,新しいベースラインであるIterInpaintを提案する。 本研究はIterInpaintに関する総合的アブレーション研究である。
  論文  参考訳（メタデータ） (2023-04-13T16:58:33Z)
• Local-to-Global Panorama Inpainting for Locale-Aware Indoor Lighting Prediction [28.180205012351802]
  単一視点の画像からパノラマ的な室内照明を予測することは、コンピュータビジョンとグラフィックスの基本的な問題である。 最近の手法は主に、ワープされたパノラマの不足した内容を満たすために畳み込みニューラルネットワーク(CNN)に依存している。 大規模パノラマ塗布における局所的・言語的戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-18T06:18:49Z)
• Cylin-Painting: Seamless {360\textdegree} Panoramic Image Outpainting and Beyond [136.18504104345453]
  塗り絵と塗り絵の間に有意義な協調関係を持つキリン塗り絵の枠組みを提示する。 提案アルゴリズムは、オブジェクト検出、深さ推定、画像超解像などの他のパノラマ視覚タスクに効果的に拡張できる。
  論文  参考訳（メタデータ） (2022-04-18T21:18:49Z)
• DeepPanoContext: Panoramic 3D Scene Understanding with Holistic Scene Context Graph and Relation-based Optimization [66.25948693095604]
  本研究では,パノラマ画像から各オブジェクトの3次元空間配置と形状,ポーズ,位置,意味的カテゴリを復元するパノラマ3次元シーン理解手法を提案する。 実験により, この手法は, パノラマシーン理解において, 幾何学的精度とオブジェクト配置の両方の観点から, 既存の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-08-24T13:55:29Z)
• Structure First Detail Next: Image Inpainting with Pyramid Generator [26.94101909283021]
  いくつかのサブジェネレータを積み重ねてピラミッドジェネレータを構築することを提案する。 低層サブジェネレータは画像構造の復元に重点を置いており、高層サブジェネレータは画像の詳細を強調する。 我々の手法は、徐々に穴の大きさを拡大し、大きな穴の画像の復元を可能にする学習手法を持っている。
  論文  参考訳（メタデータ） (2021-06-16T16:00:16Z)
• Panoramic Panoptic Segmentation: Towards Complete Surrounding Understanding via Unsupervised Contrastive Learning [97.37544023666833]
  我々は,パノラマパオプティックセグメンテーションを最も総合的なシーン理解として導入する。 完全な周囲の理解は、エージェントに最大限の情報を提供する。 標準ピンホール画像のモデルトレーニングを可能にし、学習した機能を異なるドメインに転送するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-01T09:37:27Z)
• Perspective Plane Program Induction from a Single Image [85.28956922100305]
  本研究では,自然画像の全体像を推定する逆グラフ問題について検討する。 我々は、この問題を、入力画像の最もよく記述されたカメラポーズとシーン構造を共同で発見するものとして定式化する。 提案するフレームワークであるP3Iは,探索に基づくアルゴリズムと勾配に基づくアルゴリズムを組み合わせて効率よく問題を解く。
  論文  参考訳（メタデータ） (2020-06-25T21:18:58Z)
• Guidance and Evaluation: Semantic-Aware Image Inpainting for Mixed Scenes [54.836331922449666]
  本稿では,SGE-Net(Semantic Guidance and Evaluation Network)を提案する。 セマンティックセグメンテーションマップをインペイントの各尺度のガイダンスとして利用し、そこで位置依存推論を再評価する。 混合シーンの現実画像に対する実験により,提案手法が最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-03-15T17:49:20Z)

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。