Learning the composition of space:

Learning the composition of space:
Generally, the focus of indoor mapping has been to acquire the structures that define space (Becker, et al. 2009). These structures include walls, windows, load bearing pillars and so forth. In an indoor environment the objects that compose space are also of interest. The detection of humans in imagery is an
active research area. But this needs to be expanded to the furniture that composes living spaces. This will mostly likely require building content retrieval systems in indoor acquisition system.

結果 (繁體中文) 1:

學習空間的組成:一般來說，室內映射的焦點已經獲得定義空間 (貝克爾，等人，2009年) 的結構。這些結構包括牆壁、 窗戶、 承重支柱，等等。在室內環境中構成空間的物件也感興趣。檢測圖像中的人是活躍的研究領域。但這需要將其擴大至構成生活空間的傢俱。這將很可能需要在室內採集系統建設內容檢索系統。

結果 (繁體中文) 2:

學習的空間的組合物：
一般而言，室內映射的重點一直獲得限定空間（貝克爾等人2009）的結構。這些結構包括牆壁，窗戶，承重支柱等等。在室內環境中，組成空間的對象也感興趣。人類在圖像的檢測是一個
活躍的研究領域。但是，這需要擴大到構成生活空間的家具。這將最有可能需要建設內容檢索系統在室內採集系統。

結果 (繁體中文) 3:

學習空間的構成：一般而言，室內測繪的重點是獲取空間的結構（貝克爾、等。2009）。這些結構包括牆壁、窗戶、承重柱等。在室內環境中，構成空間的對象也有興趣。影像中的人體檢測是一個活躍的研究領域。但這需要擴展到構成生活空間的傢俱。這將很可能需要在室內採集系統中建立內容檢索系統。