論文の概要: HouseDiffusion: Vector Floorplan Generation via a Diffusion Model with
Discrete and Continuous Denoising
- arxiv url: http://arxiv.org/abs/2211.13287v1
- Date: Wed, 23 Nov 2022 20:25:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-28 14:48:45.310702
- Title: HouseDiffusion: Vector Floorplan Generation via a Diffusion Model with
Discrete and Continuous Denoising
- Title（参考訳）: housediffusion:離散的および連続的デノイジングを用いた拡散モデルによるベクトルフロアプラン生成
- Authors: Mohammad Amin Shabani, Sepidehsadat Hosseini, Yasutaka Furukawa
- Abstract要約: 本稿では,拡散モデルを用いたベクトルフロアプラン生成手法を提案する。
フロアプランを1次元多角形ループとして表現し、それぞれが部屋やドアに対応する。
提案手法は,最先端技術に対するすべての指標を,大きなマージンで大幅に改善する。
- 参考スコア（独自算出の注目度）: 26.2029195029127
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The paper presents a novel approach for vector-floorplan generation via a
diffusion model, which denoises 2D coordinates of room/door corners with two
inference objectives: 1) a single-step noise as the continuous quantity to
precisely invert the continuous forward process; and 2) the final 2D coordinate
as the discrete quantity to establish geometric incident relationships such as
parallelism, orthogonality, and corner-sharing. Our task is graph-conditioned
floorplan generation, a common workflow in floorplan design. We represent a
floorplan as 1D polygonal loops, each of which corresponds to a room or a door.
Our diffusion model employs a Transformer architecture at the core, which
controls the attention masks based on the input graph-constraint and directly
generates vector-graphics floorplans via a discrete and continuous denoising
process. We have evaluated our approach on RPLAN dataset. The proposed approach
makes significant improvements in all the metrics against the state-of-the-art
with significant margins, while being capable of generating non-Manhattan
structures and controlling the exact number of corners per room. A project
website with supplementary video and document is here
https://aminshabani.github.io/housediffusion.
- Abstract（参考訳）: 本稿では,2つの推定対象を持つ室内・室内角の2次元座標を識別する拡散モデルによるベクトルフロアプラン生成手法を提案する。
1)連続進行過程を正確に反転させる連続量としての単段階雑音
2) 離散量としての最終的な2次元座標は, 並列性, 直交性, コーナーシェアリングなどの幾何学的インシデント関係を確立する。
私たちの仕事は、フロアプラン設計における一般的なワークフローである、グラフ条件のフロアプラン生成です。
我々はフロアプランを1次元多角形ループとして表現し、それぞれが部屋やドアに対応する。
この拡散モデルでは,入力グラフパターンに基づいてアテンションマスクを制御し,離散的かつ連続的なデノイジングプロセスを通じてベクトル図形のフロアプランを直接生成するトランスフォーマティブ・アーキテクチャをコアに採用する。
我々はRPLANデータセットに対するアプローチを評価した。
提案手法は,非マンタン構造を生成でき,部屋ごとのコーナー数を制御できる一方で,最先端技術に対するすべての指標をかなりのマージンで大幅に改善する。
補足的なビデオとドキュメントを備えたプロジェクトwebサイトは、https://aminshabani.github.io/housediffusionである。
関連論文リスト
- Graph Transformer GANs with Graph Masked Modeling for Architectural
Layout Generation [153.92387500677023]
本稿では,グラフノード関係を効果的に学習するために,GTGAN(Graph Transformer Generative Adversarial Network)を提案する。
提案したグラフ変換器エンコーダは、局所的およびグローバルな相互作用をモデル化するために、Transformer内のグラフ畳み込みと自己アテンションを組み合わせる。
また,グラフ表現学習のための自己指導型事前学習手法を提案する。
論文 参考訳（メタデータ） (2024-01-15T14:36:38Z) - Polygon Detection for Room Layout Estimation using Heterogeneous Graphs
and Wireframes [2.76240219662896]
本稿では,部屋配置推定タスクを解くネットワーク手法を提案する。
ネットワークはRGB画像を撮り、ワイヤーフレームと時間ガラスのバックボーンを使ってスペースを推定する。
論文 参考訳（メタデータ） (2023-06-21T11:55:15Z) - 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) - LayoutDiffusion: Improving Graphic Layout Generation by Discrete
Diffusion Probabilistic Models [50.73105631853759]
レイアウト自動生成のための新しい生成モデルLayoutDiffusionを提案する。
このプロセスでは,前方ステップの成長に伴うレイアウトの混乱が増している。
これにより、プラグアンドプレイ方式で2つの条件付きレイアウト生成タスクを再トレーニングすることなく実現し、既存の方法よりも優れたパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-03-21T04:41:02Z) - Graph Transformer GANs for Graph-Constrained House Generation [223.739067413952]
本稿では,グラフノード関係を効果的に学習するために,GTGAN(Graph Transformer Generative Adversarial Network)を提案する。
GTGANは、グラフ制約のある住宅生成タスクにおいて、エンドツーエンドで効率的なグラフノード関係を学習する。
論文 参考訳（メタデータ） (2023-03-14T20:35:45Z) - Contour Context: Abstract Structural Distribution for 3D LiDAR Loop
Detection and Metric Pose Estimation [31.968749056155467]
本稿では,高精度な3DoF距離ポーズ推定を用いた簡易かつ効果的かつ効率的なトポロジカルループ閉包検出パイプラインを提案する。
我々は,3次元LiDAR点から投影されるBEV像を構造層分布として解釈する。
検索キーは、層状KD木でインデックスされたデータベースの検索を高速化するように設計されている。
論文 参考訳（メタデータ） (2023-02-13T07:18:24Z) - End-to-end Graph-constrained Vectorized Floorplan Generation with
Panoptic Refinement [16.103152098205566]
本研究では,1次元ベクトルのシーケンスとしてフロアプランを合成することを目的としている。
最初の段階では,ユーザが入力した部屋接続グラフをGCN(Graphal Network)でエンコードし,自動回帰トランスフォーマネットワークを適用して初期フロアプランを生成する。
初期設計を洗練し、より視覚的に魅力的なフロアプランを生成するために、GCNとトランスフォーマーネットワークからなる新しい汎視補正ネットワーク(PRN)を提案する。
論文 参考訳（メタデータ） (2022-07-27T03:19:20Z) - DeepI2P: Image-to-Point Cloud Registration via Deep Classification [71.3121124994105]
DeepI2Pは、イメージとポイントクラウドの間のクロスモダリティ登録のための新しいアプローチです。
本手法は,カメラとライダーの座標フレーム間の相対的剛性変換を推定する。
登録問題を分類および逆カメラ投影最適化問題に変換することで難易度を回避する。
論文 参考訳（メタデータ） (2021-04-08T04:27:32Z) - Learning Noise-Aware Encoder-Decoder from Noisy Labels by Alternating
Back-Propagation for Saliency Detection [54.98042023365694]
本稿では,ノイズを考慮したエンコーダ・デコーダ・フレームワークを提案する。
提案モデルはニューラルネットワークによってパラメータ化された2つのサブモデルから構成される。
論文 参考訳（メタデータ） (2020-07-23T18:47:36Z) - Scan2Plan: Efficient Floorplan Generation from 3D Scans of Indoor Scenes [9.71137838903781]
Scan2Planは,室内環境の構造要素の3次元スキャンから,フロアプランを正確に推定するための新しい手法である。
提案手法は、初期ステージがシーンの無秩序な点雲をクラスタリングする2段階のアプローチを取り入れたものである。
その後の段階では、各部屋について単純なポリゴンによってパラメータ化された閉周を推定する。
最後のフロアプランは、グローバル・コーディネート・システムにおけるすべての部屋周計の集合である。
論文 参考訳（メタデータ） (2020-03-16T17:59:41Z) - 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)
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。