抗遮挡且位置无关
不同于直接学习平面参数的方法，该转换通过预测综合深度图与平面可见性置信度，实现从透视或全景图像中对室内平面参数的鲁棒重建。
张伟东 · Mengjie, Zhou · 程吉禹 · 刘颖 · 张威
IEEE Transactions on Pattern Analysis and Machine Intelligence 2025
通过预测平面可见性置信度，网络自动学习哪些区域被遮挡，从而避免遮挡对平面参数估计的干扰。
所提出的平面深度参数表示不依赖于特定图像位置，使同一平面在不同视角下具有一致的参数。
C2P 转换是可微的，使得网络可以通过约束估计的平面参数和重建的平面深度图来自主学习平面可见性置信度。
基于所提出的平面深度参数表示，C2P 转换同时适用于全景和透视图像，避免为不同图像类型设计单独的方法。