编辑推荐：
室内场景布局估算中，直接学习平面参数或布局深度图存在诸多问题。研究人员开展引导式渐进学习框架的研究，该框架在 3D 和 2D 布局估算指标上达最优。这一成果为 3D 重建、VR/AR 等领域提供有力支持。
在当今数字化时代，3D 重建、虚拟现实（VR）和增强现实（AR）等技术飞速发展，人们对室内场景的数字化呈现和交互需求越来越高。精准地估算房间布局成为了这些技术的关键基础。想象一下，在虚拟装修场景中，设计师需要根据用户提供的室内照片，快速、准确地构建出房间的 3D 布局，从而为用户展示不同装修方案的效果。然而，目前从 RGB 图像估算房间 3D 布局面临着巨大挑战。
直接学习平面参数或布局深度图存在固有难题。一方面，由于这些参数与房间布局之间存在差距，网络难以全面理解房间的空间结构；另一方面，每个像素预测相互独立，缺乏几何联系，而且在主导平面被遮挡的区域，学习映射关系会增加网络拟合的复杂性。为了解决这些问题，来自国内研究机构的研究人员开展了一项关于引导式渐进学习框架（Guided progressive learning framework）的研究。
研究人员提出的引导式渐进学习框架取得了显著成果。该框架在 3D 和 2D 布局估算指标上均达到了当前最优水平，展现出了强大的鲁棒性和精确性。这一成果对于推动 3D 重建、室内定位导航、VR/AR 等领域的发展具有重要意义，为相关技术的实际应用提供了更精准、可靠的基础支持。此研究成果发表在《Computer Vision and Image Understanding》杂志上。
研究人员在开展研究时，主要运用了以下关键技术方法：采用基于编码器 - 解码器结构的骨干网络，其中编码器选用 SENet - 154；构建子网络用于学习平面嵌入（Ge）、平面深度参数（Gp）和逆深度图（Gd）；设计布局推理方法，通过采用不同聚类带宽生成布局假设，并基于平面嵌入和预测的布局深度图选择最优假设。
学习平面嵌入
研究人员首先利用网络从 2D 布局分割掩码自动学习平面嵌入。通过这一过程，网络能够捕捉房间中主导平面的语义信息。这一步骤为后续学习平面深度参数奠定了基础，使网络更好地理解布局语义，降低网络拟合难度。
学习平面深度参数
基于第一步预测得到的平面嵌入，研究人员引导网络学习平面深度参数。平面嵌入在像素域和具有明确几何意义的平面深度参数之间起到了桥梁作用，有助于网络更准确地学习这些参数。
生成和细化布局深度图
利用学习到的平面深度参数，通过逐像素计算生成粗布局深度图。为提高其准确性，研究人员设计了细化模块，基于粗布局深度图学习细化后的布局深度图。这一细化后的深度图包含了所有主导平面的空间信息及其相交关系，帮助网络全面掌握布局知识，建立像素级预测之间的几何联系。
布局推理
在推理阶段，研究人员采用不同聚类带宽生成不同的粗布局分割结果，进而产生相应的布局假设。然后，根据平面嵌入的聚类结果和预测的布局深度图，对这些假设进行排序，选择最优的布局假设。
在研究结论和讨论部分，引导式渐进学习框架成功地将布局深度图的学习分解为三个连续的子任务，逐步学习平面嵌入、平面深度参数和布局深度图。同时，提出的布局推理方法有效利用了中间预测结果，提高了布局估算的准确性。这一研究成果不仅在理论上为房间布局估算提供了新的思路和方法，而且在实际应用中具有巨大潜力，能够为多个领域带来更精确的室内场景布局信息，推动相关技术的进一步发展。
