論文の概要: Build2Vec: Building Representation in Vector Space
- arxiv url: http://arxiv.org/abs/2007.00740v1
- Date: Wed, 1 Jul 2020 20:39:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 00:02:02.252887
- Title: Build2Vec: Building Representation in Vector Space
- Title（参考訳）: Build2Vec: ベクトル空間での表現構築
- Authors: Mahmoud Abdelrahman, Adrian Chong, and Clayton Miller
- Abstract要約: 本稿では,ラベル付きプロパティグラフの変換に用いるグラフ埋め込みアルゴリズムの方法論について述べる。
node2Vecとバイアスランダムウォークを使って、異なるビルディングコンポーネント間のセマンティックな類似性を抽出した。
ケーススタディはシンガポール国立大学にあるネットゼロエネルギービルで実施されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we represent a methodology of a graph embeddings algorithm
that is used to transform labeled property graphs obtained from a Building
Information Model (BIM). Industrial Foundation Classes (IFC) is a standard
schema for BIM, which is utilized to convert the building data into a graph
representation. We used node2Vec with biased random walks to extract semantic
similarities between different building components and represent them in a
multi-dimensional vector space. A case study implementation is conducted on a
net-zero-energy building located at the National University of Singapore
(SDE4). This approach shows promising machine learning applications in
capturing the semantic relations and similarities of different building
objects, more specifically, spatial and spatio-temporal data.
- Abstract（参考訳）: 本稿では,ビル情報モデル(BIM)から得られたラベル付きプロパティグラフを変換するグラフ埋め込みアルゴリズムの方法論について述べる。
インダストリアルファウンデーションクラス(Industrial Foundation Classes, IFC)は、ビルディングデータをグラフ表現に変換するために使用されるBIMの標準スキーマである。
我々はノード2Vecとランダムウォークを用いて、異なる構成要素間の意味的類似性を抽出し、多次元ベクトル空間でそれらを表現した。
シンガポール国立大学(sde4)にあるネットゼロエネルギービルで事例研究を実施した。
このアプローチは、異なるビルディングオブジェクトのセマンティックリレーションと類似性、特に空間的および時空間的データを取得するための、有望な機械学習応用を示す。
関連論文リスト
- Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。
セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
論文 参考訳（メタデータ） (2024-11-25T10:14:10Z) - SSIG: A Visually-Guided Graph Edit Distance for Floor Plan Similarity [11.09257948735229]
建築フロアプランの視覚的事例間の構造的類似度を測定するための簡易で効果的な尺度を提案する。
本稿では,S SIGと呼ばれる床図の構造的類似性を評価するための有効評価指標を提案する。
論文 参考訳（メタデータ） (2023-09-08T14:28:28Z) - A Hybrid Semantic-Geometric Approach for Clutter-Resistant Floorplan
Generation from Building Point Clouds [2.0859227544921874]
本研究では,レーザ走査型ビルディングポイント雲からのクラッタ耐性フロアプラン生成のためのハイブリッドセマンティック・ジオメトリ手法を提案する。
提案手法は,精度,リコール,インターセクション・オーバー・ユニオン(IOU),ベティ誤差,ワープ誤差の計測値を用いて評価する。
論文 参考訳（メタデータ） (2023-05-15T20:08:43Z) - FoldingNet Autoencoder model to create a geospatial grouping of CityGML
building dataset [0.0]
本研究では、3DオートエンコーダであるFoldingNetを用いて、LoD 2 CityGMLデータセットから各建物の潜在表現を生成する。
埋め込みの有効性は,データセット再構成,潜時拡散可視化,階層クラスタリング手法によって分析される。
建物の地理的グループ化を反復的に見つけるために地理空間モデルを作成する。
論文 参考訳（メタデータ） (2022-12-28T17:16:23Z) - Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。
IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。
提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
論文 参考訳（メタデータ） (2022-06-17T09:40:14Z) - GraphDCA -- a Framework for Node Distribution Comparison in Real and
Synthetic Graphs [72.51835626235368]
2つのグラフを比較するとき、ノード構造的特徴の分布は、グローバルグラフ統計よりも有益である、と我々は主張する。
本稿では,各ノード表現セットのアライメントに基づいてグラフ間の類似性を評価するフレームワークGraphDCAを提案する。
論文 参考訳（メタデータ） (2022-02-08T14:19:19Z) - Towards Similarity-Aware Time-Series Classification [51.2400839966489]
時系列データマイニングの基本課題である時系列分類(TSC)について検討する。
グラフニューラルネットワーク(GNN)を用いて類似情報をモデル化するフレームワークであるSimTSCを提案する。
論文 参考訳（メタデータ） (2022-01-05T02:14:57Z) - BuildingNet: Learning to Label 3D Buildings [19.641000866952815]
BuildingNet: (a)外装が一貫してラベル付けされている大規模な3Dビルディングモデル、(b)幾何学的プリミティブの分析と構造的関係をビルディングにラベル付けするニューラルネットワーク。
データセットは、家、教会、高層ビル、市役所、城などのカテゴリをカバーしている。
論文 参考訳（メタデータ） (2021-10-11T01:45:26Z) - Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。
複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。
これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
論文 参考訳（メタデータ） (2021-03-25T14:35:07Z) - Graph-Based Generative Representation Learning of Semantically and
Behaviorally Augmented Floorplans [12.488287536032747]
本稿では,アトリビュートグラフを用いて幾何学的情報を表現するフロアプラン埋め込み手法と,ノード属性やエッジ属性として住民のセマンティクスや行動特徴をデザインする手法を提案する。
長短期記憶(LSTM)変動オートエンコーダ(VAE)アーキテクチャを提案し,連続空間に属性グラフをベクトルとして埋め込むように訓練した。
入力に対する埋め込み空間から得られた類似のフロアプランの結合度を評価するために,ユーザ調査を行った。
論文 参考訳（メタデータ） (2020-12-08T20:51:56Z) - Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。
グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。
計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2020-03-23T12:28:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。