論文の概要: Graph-Based Generative Representation Learning of Semantically and
Behaviorally Augmented Floorplans
- arxiv url: http://arxiv.org/abs/2012.04735v1
- Date: Tue, 8 Dec 2020 20:51:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 21:48:25.587793
- Title: Graph-Based Generative Representation Learning of Semantically and
Behaviorally Augmented Floorplans
- Title（参考訳）: グラフに基づく意味的および行動的拡張されたフロアプランの生成表現学習
- Authors: Vahid Azizi, Muhammad Usman, Honglu Zhou, Petros Faloutsos and
Mubbasir Kapadia
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 12.488287536032747
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Floorplans are commonly used to represent the layout of buildings. In
computer aided-design (CAD) floorplans are usually represented in the form of
hierarchical graph structures. Research works towards computational techniques
that facilitate the design process, such as automated analysis and
optimization, often use simple floorplan representations that ignore the
semantics of the space and do not take into account usage related analytics. We
present a floorplan embedding technique that uses an attributed graph to
represent the geometric information as well as design semantics and behavioral
features of the inhabitants as node and edge attributes. A Long Short-Term
Memory (LSTM) Variational Autoencoder (VAE) architecture is proposed and
trained to embed attributed graphs as vectors in a continuous space. A user
study is conducted to evaluate the coupling of similar floorplans retrieved
from the embedding space with respect to a given input (e.g., design layout).
The qualitative, quantitative and user-study evaluations show that our
embedding framework produces meaningful and accurate vector representations for
floorplans. In addition, our proposed model is a generative model. We studied
and showcased its effectiveness for generating new floorplans. We also release
the dataset that we have constructed and which, for each floorplan, includes
the design semantics attributes as well as simulation generated human
behavioral features for further study in the community.
- Abstract（参考訳）: フロアプランは一般的に建物のレイアウトを表すために使用される。
コンピュータ支援設計(CAD)では、フロアプランは通常階層グラフ構造として表現される。
自動分析や最適化など、設計プロセスを容易にする計算技術への研究は、しばしば、空間の意味を無視し、使用に関連した分析を考慮しない単純なフロアプラン表現を用いる。
そこで本研究では,生成した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,住民の設計意味と行動特性をノードとエッジ属性として表現する。
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(例えば、設計レイアウト)に関して、埋め込み空間から取得した類似のフロアプランの結合を評価するためにユーザ調査を行った。
定性的・定量的・ユーザスタディ評価により, 床計画に対する有意義かつ正確なベクトル表現が得られた。
さらに,提案モデルは生成モデルである。
新たなフロアプラン作成の有効性について検討し,実証した。
また、構築したデータセットをリリースし、各フロアプランにデザインセマンティクス属性を含むとともに、コミュニティでさらなる研究のために生成された人間の行動特性をシミュレーションします。
関連論文リスト
- SE-VGAE: Unsupervised Disentangled Representation Learning for Interpretable Architectural Layout Design Graph Generation [0.0]
本稿では,非教師付き非教師付き非教師付き表現学習フレームワーク,スタイルベースエッジ拡張変分グラフ自動エンコーダを提案する。
このフレームワークは、表現の絡み合いを優先順位付けしながら、属性付き隣接多重グラフの形式でアーキテクチャレイアウトを生成する。
実世界のフロアプラン画像から抽出した大規模レイアウトグラフデータセットのベンチマークに貢献する。
論文 参考訳（メタデータ） (2024-06-25T09:40:47Z) - Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient [52.2669490431145]
PropEnは'matching'にインスパイアされている。
一致したデータセットによるトレーニングは、データ分布内に留まりながら、興味のある性質の勾配を近似することを示す。
論文 参考訳（メタデータ） (2024-05-28T11:30:19Z) - 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) - Bures-Wasserstein Means of Graphs [60.42414991820453]
本研究では,スムーズなグラフ信号分布の空間への埋め込みを通じて,グラフ平均を定義する新しいフレームワークを提案する。
この埋め込み空間において平均を求めることにより、構造情報を保存する平均グラフを復元することができる。
我々は,新しいグラフの意味の存在と特異性を確立し,それを計算するための反復アルゴリズムを提供する。
論文 参考訳（メタデータ） (2023-05-31T11:04:53Z) - Generating Topological Structure of Floorplans from Room Attributes [4.1715767752637145]
反復型および適応型グラフトポロジ学習(ITL)を用いて,部屋属性からトポロジ情報を抽出することを提案する。
ITLは部屋間の複数の関係を徐々に予測し、各イテレーションでノードの埋め込みを改善し、それによってより優れたトポロジグラフ構造を生成する。
論文 参考訳（メタデータ） (2022-04-26T14:24:58Z) - 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) - Hermitian Symmetric Spaces for Graph Embeddings [0.0]
C 上の対称行列空間におけるグラフの連続表現を学ぶ。
これらの空間は双曲部分空間とユークリッド部分空間を同時に認めるリッチな幾何学を提供する。
提案するモデルは, apriori のグラフ特徴を見積もることなく, まったく異なる配置に自動的に適応することができる。
論文 参考訳（メタデータ） (2021-05-11T18:14:52Z) - Build2Vec: Building Representation in Vector Space [0.0]
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。
論文 参考訳（メタデータ） (2020-07-01T20:39:39Z) - 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) - House-GAN: Relational Generative Adversarial Networks for
Graph-constrained House Layout Generation [59.86153321871127]
主な考え方は、制約をリレーショナルネットワークのグラフ構造にエンコードすることである。
我々は、新しい住宅レイアウト生成問題に対する提案されたアーキテクチャを実証した。
論文 参考訳（メタデータ） (2020-03-16T03:16:12Z) - Hallucinative Topological Memory for Zero-Shot Visual Planning [86.20780756832502]
視覚計画(VP)では、エージェントは、オフラインで取得した動的システムの観察から目標指向の振る舞いを計画することを学ぶ。
以前のVPに関するほとんどの研究は、学習された潜在空間で計画することでこの問題にアプローチし、結果として品質の低い視覚計画を生み出した。
本稿では,画像空間を直接計画し,競合性能を示すシンプルなVP手法を提案する。
論文 参考訳（メタデータ） (2020-02-27T18:54:42Z)
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。