图像场景理解一直都是计算机视觉领域的研究热点,室内场景布局估计则是场景理解任务的关键单元。针对RGB室内场景布局感知问题,本文利用对抗学习设计一种基于条件生成对抗网络(CGAN)的室内场景布局估计方法,以预测房间的空间布局结构。首先,针对插值放大易导致布局边缘图边界线模糊的问题,采用增加卷积层和反卷积层深度的策略,提出一种新的编码-解码网络(Encoder-Decoder),以构建条件生成对抗网络的生成网络,生成与原始图像尺寸相同的布局边缘图。然后,针对生成对抗网络训练的难以收敛问题,采用多尺度策略构建生成网络的多尺度监督网络,以加速收敛。接着,以原始输入图像和真实布局边缘图为条件,基于上述多尺度监督的编码-解码网络为生成器和卷积神经网络(Convolutional Neural Network,CNN)为判别器,有机构成室内场景布局估计模型;布局约束条件对抗损失引导下,采用小批量随机梯度下降训练条件生成对抗网络模型;利用即得布局估计网络模型,生成高分辨布局边缘图。再然后,采用消失点估计法计算房间消失点;从三个消失点出发等角度间隔引出射线,形成扇区,根据平均最大边缘强度准则生成采样扇区;以高分辨率布局边缘图为参考基准,并做高斯模糊,以扩大边界线的覆盖范围,生成一系列高质量布局候选项。最后,根据布局候选项与即得高分辨率布局边缘图之间重叠率和全局匹配得到的相似度,采取最大化策略选取最优的室内场景布局。LSUN和Hedau标准数据集的实验结果和分析表明,相较于其他布局估计方法,本文方法能从整体视角理解室内场景布局,较为准确地预测房间的三维空间布局结构,划分各个区域面,以提高空间布局估计精确度;本文布局估计网络模型的泛化性能较好,能用于预测各种复杂的室内场景。