# Layout Estimation

kimkj38

Pre-trained model은 novel view position, different lighting conditions, severe object occlusion과 같은 문제들로 인해 새로운 도메인에서 예측 성능이 떨어진다.이를 보완하기 위해 target dom

kimkj38

본 논문에서는 room layout을 floor boundary와 room heigth로 표현한다.동일한 경도 간격으로 $N$개(논문에서는 256)의 point를 샘플링한 후 horizon-depth로 변환한다.HorizonNet에서는 floor/ceiling의 위도를

kimkj38

HorizonNet과 같은 기존의 Layout estimation 모델들은 2D Panorama 상에서의 좌표로 loss를 정의하지만 2D 상에서 동일한 오차가 서로 다른 depth value를 가지게 된다.\-> "horizon depth를 활용하자"벽과 floor/

kimkj38

Room layout을 $y_w, y_c, y_f$에 대한 1D representation으로 나타낸다.$y_f$: 벽과 floor 사이의 boundary에 대한 좌표$y_c$: 벽과 ceiling 사이의 boundary에 대한 좌표$y_w$: 벽과 벽 사이의 boud