读懂一篇比浏览十篇有用
经过导师的指导和自己的反思，发现只是简单的浏览论文是难以真正理解论文的。
当读论文难以读懂的时候，需要做以下几件事：
1.准确的翻译 2.静下心理解 3.慢慢靠时间（滑稽脸）
下面开始正文，不再弄那些蜻蜓点水的东西了。
***************************************************************************************************************************************
本文分为三个阶段：
1.联合语义分割算法
该算法可同时分割输入图像和重建网格，同时实施多视图标签一致性。
我们通过在3D网格和2D图像上联合建模一个CRF来实现语义标记。使用[19]中提出的方法对包含一组面{Fi}的网格M进行过分割，并且通过[20]对图像进行分割。
[19]三维重建表面的高阶CRF结构分割
[20]均值漂移：一种强大的特征空间分析方法
*************************************************************************************************************************************************
我们现在只是把各个实例（structural component ）找出来了，下一步就是对其进行分割。我们首先接收一个假设：人造实例具有规则的轮廓和均匀的高度。所以，我们可以通过正交映射来分离各个实例。
*************************************************************************************************************************************************
2.正交图建筑分割
在2D正交视图中，建筑物体在深度场中呈现出规则的足迹和与周围区域的高对比度。我们同意这种观察，并在正交视图中使用标准化切割算法[17]分割单个建筑物，并最终将正交视图中的分割(segmentation)，通过几何约束的泛滥算法融合到3D模型中。
[17]图像分割的轮廓和纹理分析
*************************************************************************************************************************************************
*************************************************************************************************************************************************
3.新的高阶CRF公式进行建筑轮廓抽象
在第二阶段，建筑模型通过用最小的线段组合填充其足迹来抽象。
我们从正交示例图开始，使用轮廓查找算法[25]提取实例的轮廓。
[25]通过使用边界跟踪对数字化二值图像的拓扑结构分析
在之后的博客中会介绍每个阶段的论文和相关算法。
参考文献：
[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