平面布置圖對(duì)于可視化空間、規(guī)劃路線和溝通建筑設(shè)計(jì)非常有用。例如，一個(gè)進(jìn)入新建筑的機(jī)器人可以使用平面圖快速感知總體布局。創(chuàng)建平面圖通常需要一個(gè)完整的布局，這樣3D傳感器和攝像機(jī)就可以捕捉到整個(gè)空間。

1月11日消息，據(jù)外媒報(bào)道，近日，來(lái)自Facebook、德克薩斯大學(xué)奧斯汀分校和卡內(nèi)基梅隆大學(xué)的研究人員正在探索一種人工智能技術(shù)，利用視覺(jué)和音頻，從一個(gè)短視頻剪輯中重建一個(gè)平面圖。

研究人員斷言，音頻提供了空間和語(yǔ)義信號(hào)，補(bǔ)充了圖像的映射能力。他們說(shuō)，這是因?yàn)槁曇籼焐怯晌矬w的幾何形狀所驅(qū)動(dòng)的。聲音從表面反射回來(lái)，揭示了房間的形狀，遠(yuǎn)遠(yuǎn)超出了相機(jī)的視野。從遠(yuǎn)處聽到的聲音，甚至是多個(gè)房間之外的聲音，可以揭示自由空間的存在，聲音物體可能存在。此外，從不同方向聽到的聲音暴露了基于這些聲音所代表的活動(dòng)或事物的布局。例如，淋浴的聲音可能暗示著浴室的方向，而微波爐的聲音則暗示著廚房的方向。

研究人員的方法被稱為AV-Map，旨在將帶有多通道音頻的短視頻轉(zhuǎn)換成2D樓層平面圖。機(jī)器學(xué)習(xí)模型利用音頻和視覺(jué)數(shù)據(jù)序列來(lái)推理樓層平面圖的結(jié)構(gòu)和語(yǔ)義，最終使用解碼組件融合音頻和視頻信息。AV-Map生成的平面圖大大超出了視頻中直接可見的區(qū)域，顯示了劃分為離散語(yǔ)義房間標(biāo)簽（如家庭房間和廚房）的自由空間和被占用區(qū)域。

該團(tuán)隊(duì)在來(lái)自Matternet3D和SoundSpaces數(shù)據(jù)集的數(shù)字環(huán)境中試驗(yàn)了兩種設(shè)置，即主動(dòng)和被動(dòng)。在第一個(gè)實(shí)驗(yàn)中，使用一個(gè)虛擬攝像機(jī)在模型房屋的房間內(nèi)移動(dòng)時(shí)發(fā)出一種已知的聲音。在第二種情況下，只依賴家中物體或人自然發(fā)出的聲音。

研究人員表示，在未來(lái)的工作中，將計(jì)劃考慮擴(kuò)展多層平面圖，并將繪圖想法與機(jī)器人連接起來(lái)，主動(dòng)控制攝像頭。
責(zé)任編輯：YYX