GRAINS: Generative Recursive Autoencoders for INdoor Scenes 2019 TOG（家居布局、树结构网络、RvNN）_grains算法

由于直接在原先合集上更新太麻烦了，决定每次开新的帖子再贴回合集上。

研究问题

规则的室内维场景的布局。

输入：房间的长宽；

输出：室内场景的多种布局。

整体思路

        基于空间关系来对房间的每个家具构建树形的层次结构，利用这个树形结构进行依次生成。也就是说每一步对树形的root节点进行decoder，细化预测内容。

方法设计

表征：

        用一个树来表示场景的层次结构。其中每个对象都用一个叶子节点表示，然后内部节点用来表示一个对象组，然后这个对象组其实可以看作是子场景。

        这里将空间接近的视作相关的对象。对象通过组合关系来组织，组合关系包括：支撑、环绕和共存关系。这三个关系的优先级是依次递减的。

        另外，作者将额外的墙和地板视为特殊对象，因为它们作为整个场景布局的“参考”，于是就把他们单出来直接放到根结点下面。

总结：

• 树有以下几种节点：
  •        root（场景总概括）
    •        中间节点（wall、支撑、环绕和共存关系节点，用和兄弟节点的关系表征表示）
      •        根节点（家具对象，有几何和标签两个表示）
• 

生成的方法：

        RvNN-VAE架构：

        最外层是对于一个整棵树套的一个编码/解码器，其实就是对根的自动编码；

        内部循环对每一个节点的解码阶：先对节点类型预测分类结果，决定使用哪一种解码器来解码；然后解码