論文の概要: Structural Plan of Indoor Scenes with Personalized Preferences
- arxiv url: http://arxiv.org/abs/2008.01323v2
- Date: Wed, 5 Aug 2020 13:30:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 23:38:12.504811
- Title: Structural Plan of Indoor Scenes with Personalized Preferences
- Title(参考訳): パーソナライズされた室内シーンの構造計画
- Authors: Xinhan Di, Pengqian Yu, Hong Zhu, Lei Cai, Qiuyan Sheng, Changyu Sun
- Abstract要約: 提案モデルでは,不動産所有者の好みに応じて,特定の屋内シーンのオブジェクトのレイアウトを自動的に生成することができる。
プロのデザイナーによるリアルな11000のデザインを含むインテリアレイアウトデータセットを提供する。
- 参考スコア(独自算出の注目度): 15.025764749987486
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose an assistive model that supports professional
interior designers to produce industrial interior decoration solutions and to
meet the personalized preferences of the property owners. The proposed model is
able to automatically produce the layout of objects of a particular indoor
scene according to property owners' preferences. In particular, the model
consists of the extraction of abstract graph, conditional graph generation, and
conditional scene instantiation. We provide an interior layout dataset that
contains real-world 11000 designs from professional designers. Our numerical
results on the dataset demonstrate the effectiveness of the proposed model
compared with the state-of-art methods.
- Abstract(参考訳): 本稿では,プロのインテリアデザイナーが工業用インテリアデコレーションソリューションを作成し,資産所有者のパーソナライズされた好みを満たすための支援モデルを提案する。
提案モデルは,プロパティ所有者の好みに応じて,特定の屋内シーンのオブジェクトのレイアウトを自動的に生成することができる。
特に、このモデルは抽象グラフの抽出、条件グラフの生成、条件シーンのインスタンス化から構成される。
プロのデザイナーによるリアルな11000のデザインを含むインテリアレイアウトデータセットを提供する。
本データを用いた数値実験の結果から,提案モデルの有効性を最先端手法と比較した。
関連論文リスト
- Towards Aligned Layout Generation via Diffusion Model with Aesthetic
Constraints [51.48125123822496]
広い範囲のレイアウト生成タスクを処理する統一モデルを提案する。
このモデルは連続拡散モデルに基づいている。
実験結果から,LACEは高品質なレイアウトを生成することがわかった。
論文 参考訳(メタデータ) (2024-02-07T11:12:41Z) - FurniScene: A Large-scale 3D Room Dataset with Intricate Furnishing
Scenes [60.357483304833735]
FurniSceneは、インテリアデザインの専門家による複雑な家具シーンを備えた大規模な3Dルームデータセットである。
具体的には、FurniSceneは11,698の部屋と、89種類のユニークな家具CADモデル39,691種類で構成されている。
室内環境のきめ細かいレイアウト生成に適した2段階拡散シーンモデル(TSDSM)を提案する。
論文 参考訳(メタデータ) (2024-01-07T12:34:45Z) - AssetField: Assets Mining and Reconfiguration in Ground Feature Plane
Representation [111.59786941545774]
AssetFieldは、新しいニューラルシーン表現で、シーンを表現するためにオブジェクト対応のグラウンド特徴面のセットを学習する。
AssetFieldは、新しいシーン構成のためのリアルなレンダリングを生成するとともに、新規ビュー合成のための競争性能を実現する。
論文 参考訳(メタデータ) (2023-03-24T12:18:10Z) - LayoutDETR: Detection Transformer Is a Good Multimodal Layout Designer [81.5482196644596]
グラフィックレイアウトデザインは視覚コミュニケーションにおいて重要な役割を担っている。
しかし、手作りのレイアウトデザインは、スキルを要求し、時間がかかり、バッチプロダクションではスケールできない。
ジェネレーティブモデルは、設計自動化をスケーラブルにするために出現するが、デザイナの欲求に沿うデザインを作成することは、未だに容易ではない。
論文 参考訳(メタデータ) (2022-12-19T21:57:35Z) - GP22: A Car Styling Dataset for Automotive Designers [7.6702700993064115]
GP22は自動車デザイナーによって定義された自動車のスタイリング機能で構成されている。
データセットには、37のブランドと10の自動車セグメントから1480の車のサイドプロフィールイメージが含まれている。
論文 参考訳(メタデータ) (2022-07-05T01:39:34Z) - Learning Models as Functionals of Signed-Distance Fields for
Manipulation Planning [51.74463056899926]
本研究では,シーン内のオブジェクトを表す符号付き距離場の目的を学習する,最適化に基づく操作計画フレームワークを提案する。
オブジェクトを符号付き距離場として表現することは、ポイントクラウドや占有率の表現よりも高い精度で、様々なモデルの学習と表現を可能にする。
論文 参考訳(メタデータ) (2021-10-02T12:36:58Z) - Improving Label Quality by Jointly Modeling Items and Annotators [68.8204255655161]
雑音アノテータから基底真理ラベルを学習するための完全ベイズ的枠組みを提案する。
我々のフレームワークは、ラベル分布上の生成的ベイズソフトクラスタリングモデルを古典的なDavidとSkeneのジョイントアノテータデータモデルに分解することでスケーラビリティを保証する。
論文 参考訳(メタデータ) (2021-06-20T02:15:20Z) - Deep Reinforcement Learning for Producing Furniture Layout in Indoor
Scenes [3.4447129363520332]
工業用インテリアデザインのプロセスでは、プロのデザイナーが部屋の家具のサイズと位置を計画し、販売に適したデザインを実現する。
深層強化学習によって解決されるマルコフ決定プロセス(MDP)として、インテリアシーン設計タスクを探索します。
本研究では,提案モデルが最新モデルと比較して高い品質のレイアウトが得られることを実証した。
論文 参考訳(メタデータ) (2021-01-19T04:38:58Z) - End-to-end Generative Floor-plan and Layout with Attributes and Relation
Graph [6.259404056725123]
インテリアシーン合成のための家具レイアウトをランダムベクターから作成するためのエンドエンドモデルを提案する。
提案モデルは部屋の条件付きフロアプランモジュールと部屋の条件付きグラフィカルフロアプランモジュールと条件付きレイアウトモジュールを組み合わせたものである。
我々は,プロのデザイナーによる191208ドルのデザインを含む,現実世界のレイアウトデータセットについて実験を行った。
論文 参考訳(メタデータ) (2020-12-15T07:37:05Z) - Deep Layout of Custom-size Furniture through Multiple-domain Learning [6.259404056725123]
提案されたモデルは,ディープレイアウトモジュール,ドメイン注意モジュール,次元ドメイン転送モジュール,エンドエンドトレーニングにおけるカスタムサイズのモジュールを組み合わせたものだ。
私たちは、プロのデザイナーによる7万10700ドルのデザインを含む、現実世界の内部レイアウトデータセットで実験を行います。
論文 参考訳(メタデータ) (2020-12-15T07:32:13Z) - 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)
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。