Fugu-MT 論文翻訳(概要): Deep Reinforcement Learning for Producing Furniture Layout in Indoor Scenes

論文の概要: Deep Reinforcement Learning for Producing Furniture Layout in Indoor Scenes

arxiv url: http://arxiv.org/abs/2101.07462v1
Date: Tue, 19 Jan 2021 04:38:58 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 11:21:30.252999
Title: Deep Reinforcement Learning for Producing Furniture Layout in Indoor Scenes
Title（参考訳）: 室内シーンにおける家具レイアウト作成のための深層補強学習
Authors: Xinhan Di, Pengqian Yu
Abstract要約: 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。
参考スコア（独自算出の注目度）: 3.4447129363520332
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In the industrial interior design process, professional designers plan the size and position of furniture in a room to achieve a satisfactory design for selling. In this paper, we explore the interior scene design task as a Markov decision process (MDP), which is solved by deep reinforcement learning. The goal is to produce an accurate position and size of the furniture simultaneously for the indoor layout task. In particular, we first formulate the furniture layout task as a MDP problem by defining the state, action, and reward function. We then design the simulated environment and train reinforcement learning agents to produce the optimal layout for the MDP formulation. We conduct our experiments on a large-scale real-world interior layout dataset that contains industrial designs from professional designers. Our numerical results demonstrate that the proposed model yields higher-quality layouts as compared with the state-of-art model. The developed simulator and codes are available at \url{https://github.com/CODE-SUBMIT /simulator1}.
Abstract（参考訳）: 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。本稿では,内部シーン設計タスクをマルコフ決定プロセス(mdp)として検討し,深層強化学習によって解決する。その目的は、室内レイアウトタスクのために家具の正確な位置と大きさを同時に作成することである。特に, 家具配置タスクを, 状態, 動作, 報酬関数を定義することで, MDP問題として定式化する。次にシミュレーション環境を設計,強化学習エージェントを訓練し,mdp定式化のための最適なレイアウトを作成する。我々は、プロのデザイナーによる工業デザインを含む大規模な現実世界の内部レイアウトデータセットで実験を行った。その結果,提案モデルでは,最先端モデルと比較して高品質なレイアウトが得られた。開発されたシミュレータとコードは \url{https://github.com/CODE-SUBMIT /simulator1} で入手できる。