論文の概要: 2D Floor Plan Segmentation Based on Down-sampling

• arxiv url: http://arxiv.org/abs/2303.13798v1
• Date: Fri, 24 Mar 2023 04:39:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 15:44:36.117847
• Title: 2D Floor Plan Segmentation Based on Down-sampling
• Title（参考訳）: ダウンサンプリングに基づく2次元フロアプランセグメンテーション
• Authors: Mohammadreza Sharif, Kiran Mohan, Sarath Suvarna
• Abstract要約: ダウンサンプリング手法に基づく新しい2次元フロアプランセグメンテーション手法を提案する。 本手法では, フロアプランに連続的なダウンサンプリングを適用し, 構造情報の維持と複雑さの低減を図る。
• 参考スコア（独自算出の注目度）: 1.4502611532302039
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, floor plan segmentation has gained significant attention due to its wide range of applications in floor plan reconstruction and robotics. In this paper, we propose a novel 2D floor plan segmentation technique based on a down-sampling approach. Our method employs continuous down-sampling on a floor plan to maintain its structural information while reducing its complexity. We demonstrate the effectiveness of our approach by presenting results obtained from both cluttered floor plans generated by a vacuum cleaning robot in unknown environments and a benchmark of floor plans. Our technique considerably reduces the computational and implementation complexity of floor plan segmentation, making it more suitable for real-world applications. Additionally, we discuss the appropriate metric for evaluating segmentation results. Overall, our approach yields promising results for 2D floor plan segmentation in cluttered environments.
• Abstract（参考訳）: 近年、フロアプランのセグメンテーションは、フロアプランの再構築やロボット工学における幅広い応用により、注目されている。 本稿では,ダウンサンプリング方式に基づく新しい2次元フロアプランセグメンテーション手法を提案する。 本手法では,フロアプラン上で連続的なダウンサンプリングを行い,その複雑度を低減しつつ構造情報を維持する。 掃除ロボットが未知の環境下で生成した散在するフロアプランとフロアプランのベンチマークから得られた結果を提示することにより,提案手法の有効性を実証する。 本手法はフロアプランセグメンテーションの計算と実装の複雑さを大幅に減らし,現実のアプリケーションに適している。 さらに,セグメンテーション結果を評価するための適切な指標について検討する。 提案手法は, 乱雑な環境下での2次元フロアプランセグメンテーションに有望な結果をもたらす。

関連論文リスト

• FRI-Net: Floorplan Reconstruction via Room-wise Implicit Representation [18.157827697752317]
  本研究では,FRI-Netと呼ばれる新しい3次元点雲からの2次元フロアプラン再構築手法を提案する。 フロアプランの幾何学的事前をトレーニング戦略に組み込むことにより、生成された部屋ポリゴンはより幾何学的に規則的である。 提案手法は,提案手法の有効性を実証し,提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2024-07-15T13:01:44Z)
• 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
  既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。 そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。 また,水平深度と比表現に適した教師なし適応手法を提案する。 本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
  論文  参考訳（メタデータ） (2023-12-26T12:16:03Z)
• Planning as In-Painting: A Diffusion-Based Embodied Task Planning Framework for Environments under Uncertainty [56.30846158280031]
  具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。 In-paintingとしての計画」というタスク非依存の手法を提案する。 提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-12-02T10:07:17Z)
• Multi-Resolution Planar Region Extraction for Uneven Terrains [6.482137641059034]
  本稿では,不整点雲観測から不均質な地形の平面領域を抽出する問題について検討する。 境界の精度と計算効率のバランスをとる多分解能平面領域抽出戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-21T12:17:51Z)
• EIPE-text: Evaluation-Guided Iterative Plan Extraction for Long-Form Narrative Text Generation [114.50719922069261]
  長文物語テキスト生成のための評価誘導反復計画抽出法(EIPE-text)を提案する。 EIPEテキストには、計画抽出、学習、推論の3段階がある。 小説やストーリーテリングの分野におけるEIPEテキストの有効性を評価する。
  論文  参考訳（メタデータ） (2023-10-12T10:21:37Z)
• FloorGenT: Generative Vector Graphic Model of Floor Plans for Robotics [5.71097144710995]
  フロアプランを特定の視点から見たラインセグメントのシーケンスとしてモデル化することにより、最近の自己回帰シーケンスモデリングの進歩をフロアプランのモデル化と予測に活用できることが示される。
  論文  参考訳（メタデータ） (2022-03-07T13:42:48Z)
• Learning Space Partitions for Path Planning [54.475949279050596]
  PlaLaMは2次元ナビゲーションタスクにおける既存の経路計画手法よりも優れており、特に難解な局所最適化の存在下では優れている。 これらは高マルチモーダルな実世界のタスクに移行し、コンパイラフェーズでは最大245%、分子設計では最大0.4の強いベースラインを0-1スケールで上回ります。
  論文  参考訳（メタデータ） (2021-06-19T18:06:11Z)
• 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)
• Symbol Spotting on Digital Architectural Floor Plans Using a Deep Learning-based Framework [76.70609932823149]
  本稿では,ディープラーニング(DL)フレームワークを用いた実世界のデジタル建築フロア計画のシンボルスポッティングに焦点を当てた。 本稿では,DLベースのオブジェクト検出ネットワークに特有な問題を避けるため,タイルに基づくトレーニング戦略を提案する。 実世界のフロアプランにおける実験により,クラス内類似度が低く,図形的複雑性が変化するアーキテクチャシンボルの検出に成功していることが示された。
  論文  参考訳（メタデータ） (2020-06-01T03:16:05Z)
• Plan2Vec: Unsupervised Representation Learning by Latent Plans [106.37274654231659]
  Plan2vecは、強化学習にインスパイアされた教師なしの表現学習手法である。 Plan2vecは、近距離を用いて画像データセット上に重み付きグラフを構築し、その局所距離を、計画された経路上の経路積分を蒸留することによって、大域的な埋め込みに外挿する。 1つのシミュレーションと2つの実世界の画像データセットに対する Plan2vec の有効性を実証する。
  論文  参考訳（メタデータ） (2020-05-07T17:52:23Z)
• 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)

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。