摘要

显著的几何结构可以通过全局线框图紧凑地描述，从而从单张全景图像中估计出3D房间布局。基于这一观察，我们提出了一种替代方法，通过在可学习的霍夫变换（Hough Transform）模块中建模长程几何模式来估计3D空间中的墙壁。我们将立方体贴图中的图像特征转换到曼哈顿世界（Manhattan world）的霍夫空间，并直接将特征映射到几何输出。卷积层不仅学习局部梯度类线特征，还利用全局信息成功预测被遮挡的墙壁，且网络结构简单。与大多数先前的工作不同，我们的预测是在每个立方体贴图块上独立进行的，然后将这些预测结果组装以获得最终的布局估计。实验结果表明，我们在预测精度和性能方面达到了与当前最先进方法相当的结果。代码可在 https://github.com/Starrah/DMH-Net 获取。