室内家具自动放置在家居设计、动态场景生成等应用中具有重要意义。传统算法往往通过对象之间显式的空间、语义和功能关系来理解场景的内部结构，并进一步辅助室内场景的生成。随着大规模室内场景数据集的出现，人们提出将分散的输入家具编码成图结构，并使用图神经网络中的迭代消息传递来隐式学习场景的分布先验。为了满足家具多样化摆放的要求，提出将图神经网络融合到条件变分自编码器中。输入场景通过编码器嵌入到符合高斯分布的潜在变量中，并且从潜在变量中先采样的场景通过生成器用于条件表达式。新场景生成。在Fu-floor数据集上的实验结果表明，与基线算法相比，该算法在生成结果评价指标的最小匹配距离上表现更好。该算法对于未来实现场景补全以及基于场景的室内家具摆放图等实际应用也具有明确的意义和价值。
显示全部