我们的系统通过将平面图和一组照片转换为纹理3D网格模型来解决Plan2Scene任务。
我们解决了将楼层和一组相关的照片转换为纹理3D网格模型的任务，这是我们呼叫Plan2Scene的任务。我们的系统1）将平面图图像提升到3D网格模型; 2）基于输入照片合成表面纹理; 3）使用图形神经网络架构为未观察的表面的纹理。要培训和评估我们的系统，我们创建室内表面纹理数据集，并从先前的工作组和额外的注释增加了地板和照片的数据集。我们的方法处理从稀疏的未预定照片中诸如楼层，墙壁和天花板的主要表面产生尺寸纹理的挑战，这些照片稀疏的未预定照片仅部分覆盖住所。定性和定量评估表明，我们的系统生产现实的3D内部模型，在纹理质量指标套件上表现优于基线方法，并通过整体用户学习来衡量。
[版本1] [版本2]我们在此数据集上培训我们的纹理综合方法。 DataSet的第一个版本用于我们的CVPR纸。 DataSet的第二个版本在Rent3D房屋上提供了改进的结果。
纯文本Madhawa Vidanapathirana，Qirui Wu，Yasutaka Furukawa，Angel X. Chang和Manolis Savva。 Plan2Scene：将挡板转换为3D场景。在计算机愿景和模式识别（CVPR），2021.Bibtex @inproceings {Madhawa2021plan2scene，作者= {madhawa vidanapathirana和Qirui wu和Yasutaka Furukawa和天使x. chang和Manolis savva}，