讀懂一篇比瀏覽十篇有用
經過導師的指導和自己的反思，發現只是簡單的瀏覽論文是難以真正理解論文的。
當讀論文難以讀懂的時候，需要做以下幾件事：
1.準確的翻譯 2.靜下心理解 3.慢慢靠時間（滑稽臉）
下面開始正文，不再弄那些蜻蜓點水的東西了。
***************************************************************************************************************************************
本文分爲三個階段：
1.聯合語義分割算法
該算法可同時分割輸入圖像和重建網格，同時實施多視圖標籤一致性。
我們通過在3D網格和2D圖像上聯合建模一個CRF來實現語義標記。使用[19]中提出的方法對包含一組面{Fi}的網格M進行過分割，並且通過[20]對圖像進行分割。
[19]三維重建表面的高階CRF結構分割
[20]均值漂移：一種強大的特徵空間分析方法
*************************************************************************************************************************************************
我們現在只是把各個實例（structural component ）找出來了，下一步就是對其進行分割。我們首先接收一個假設：人造實例具有規則的輪廓和均勻的高度。所以，我們可以通過正交映射來分離各個實例。
*************************************************************************************************************************************************
2.正交圖建築分割
在2D正交視圖中，建築物體在深度場中呈現出規則的足跡和與周圍區域的高對比度。我們同意這種觀察，並在正交視圖中使用標準化切割算法[17]分割單個建築物，並最終將正交視圖中的分割(segmentation)，通過幾何約束的氾濫算法融合到3D模型中。
[17]圖像分割的輪廓和紋理分析
*************************************************************************************************************************************************
*************************************************************************************************************************************************
3.新的高階CRF公式進行建築輪廓抽象
在第二階段，建築模型通過用最小的線段組合填充其足跡來抽象。
我們從正交示例圖開始，使用輪廓查找算法[25]提取實例的輪廓。
[25]通過使用邊界跟蹤對數字化二值圖像的拓撲結構分析
在之後的博客中會介紹每個階段的論文和相關算法。
參考文獻：
[17]Malik J, Belongie S, Leung T, et al. Contour and texture analysis for image segmentation. Int J Comput Vision, 2001, 43: 7–27
[19]Liu J B, Wang J L, Fang T, et al. Higher-order CRF structural segmentation of 3d reconstructed surfaces. In: Proceedings of IEEE International Conference on Computer Vision (ICCV), Santiago, 2015. 2093–2101
[20]Comaniciu D, Meer P. Mean shift: a robust approach toward feature space analysis. IEEE Trans Pattern Anal Mach Intell, 2002, 24: 603–619
[25]Suzuki S. Topological structural analysis of digitized binary images by border following. Comput Vision Graph Image Process, 1985, 30: 32–46