来自非中心全景图的亚特兰大缩放布局
原文约300字，阅读约需1分钟。发表于：。使用非中心采集系统的新方法，结合神经网络提取室内环境的结构线，并通过新的几何处理方法恢复放缩的三维布局。通过实验证明，该方法改进了非中心投影系统中布局重建和线条提取的方法，可以解决曼哈顿和亚特兰大环境中的问题，处理遮挡并恢复房间的度量尺度，而无需额外测量。据作者所知，这是首个在非中心全景图上使用深度学习从单个全景图中恢复放缩布局的工作。
该研究提出了一种新方法，使用非中心采集系统和神经网络从室内全景图中恢复放缩的三维布局。实验证明，该方法可以解决曼哈顿和亚特兰大环境中的问题，并恢复房间的度量尺度，无需额外测量。这是首个在非中心全景图上使用深度学习恢复放缩布局的工作。
