LED2-Net : Estimation monulaire de la disposition 360° par le biais du rendu de profondeur différentiable

Bien que des progrès significatifs aient été réalisés dans l'estimation de la disposition des pièces, la plupart des méthodes visent à réduire la perte dans les coordonnées pixel en 2D plutôt qu'à exploiter la structure de la pièce dans l'espace 3D. Pour reconstruire la disposition de la pièce en 3D, nous formulons la tâche d'estimation de la disposition à 360 degrés comme un problème de prédiction de profondeur sur la ligne d'horizon d'un panorama. Plus précisément, nous proposons une procédure de rendu de profondeur différentiable (Differentiable Depth Rendering) pour rendre la conversion de la disposition à la prédiction de profondeur différentiable, ce qui permet à notre modèle proposé d'être entraîné de bout en bout tout en exploitant les informations géométriques en 3D, sans nécessiter la fourniture de la profondeur vérité-terrain. Notre méthode atteint des performances d'état de l'art sur plusieurs jeux de données基准数据集（benchmark datasets）d'estimation de disposition à 360 degrés. De plus, notre formulation permet une étape pré-entraînement sur le jeu de données de profondeur, ce qui améliore encore davantage la généralisabilité de notre modèle d'estimation de disposition.Note: "基准数据集" is translated as "jeux de données benchmark" to maintain the technical term and ensure clarity for French readers.