平面圖對于可視化空間，規(guī)劃路線和傳達建筑設(shè)計非常有用。例如，進入新建筑物的機器人可以使用平面圖快速感知整體布局。
創(chuàng)建平面圖通常需要完整的布局，以便3D傳感器和攝像機可以捕獲整個空間。據(jù)國外媒體報道，1月11日消息，最近，來自Facebook，德克薩斯大學奧斯汀分校和卡內(nèi)基梅隆大學的研究人員正在探索一種人工智能技術(shù)，該技術(shù)將利用短視頻中的視覺和音頻來重建剪輯中的平面圖。
。研究人員斷言，音頻提供了空間和語義信號，并補充了圖像的映射功能。
他們說這是因為聲音自然是由物體的幾何形狀驅(qū)動的。聲音從表面反射出來，顯示出房間的形狀，遠遠超出了攝像機的視野。
從遠處聽到的聲音，甚至在多個房間之外的聲音，都可以揭示出自由空間的存在以及聲音對象的可能存在。此外，從不同方向聽到的聲音會根據(jù)這些聲音所代表的活動或事物來顯示布局。
例如，淋浴的聲音可以指示浴室的方向，而微波爐的聲音可以指示廚房的方向。研究人員的方法稱為AV-Map，旨在將帶有多通道音頻的短視頻轉(zhuǎn)換為2D平面圖。
機器學習模型使用音頻和視頻數(shù)據(jù)序列來推斷平面圖的結(jié)構(gòu)和語義，最后使用解碼組件來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，顯示了被分成離散的語義房間標簽（例如家庭房和廚房）的自由空間和占用區(qū)域。
該團隊在Matternet3D和SoundSpaces數(shù)據(jù)集的數(shù)字環(huán)境中對主動和被動兩種設(shè)置進行了實驗。在第一個實驗中，當在樣板房的房間中移動時，使用虛擬攝像機發(fā)出已知的聲音。
在第二種情況下，僅依靠家中物體或人的自然聲音。研究人員說，在未來的工作中，他們計劃擴展多層平面圖，并將繪圖思想與機器人聯(lián)系起來，以主動控制攝像機。