論文の概要: Automatic Reconstruction of Semantic 3D Models from 2D Floor Plans
- arxiv url: http://arxiv.org/abs/2306.01642v1
- Date: Fri, 2 Jun 2023 16:06:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-05 14:21:37.069692
- Title: Automatic Reconstruction of Semantic 3D Models from 2D Floor Plans
- Title(参考訳): 2次元床計画による意味的3次元モデルの自動再構成
- Authors: Aleixo Cambeiro Barreiro, Mariusz Trzeciakiewicz, Anna Hilsmann, Peter
Eisert
- Abstract要約: 走査された2次元計画からベクトル化された3次元モデルの再構成を行うパイプラインを提案する。
この手法は、公開データセットCubeCasa5kで最先端の結果を示す。
- 参考スコア(独自算出の注目度): 1.8581514902689347
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digitalization of existing buildings and the creation of 3D BIM models for
them has become crucial for many tasks. Of particular importance are floor
plans, which contain information about building layouts and are vital for
processes such as construction, maintenance or refurbishing. However, this data
is not always available in digital form, especially for older buildings
constructed before CAD tools were widely available, or lacks semantic
information. The digitalization of such information usually requires manual
work of an expert that must reconstruct the layouts by hand, which is a
cumbersome and error-prone process. In this paper, we present a pipeline for
reconstruction of vectorized 3D models from scanned 2D plans, aiming at
increasing the efficiency of this process. The method presented achieves
state-of-the-art results in the public dataset CubiCasa5k, and shows good
generalization to different types of plans. Our vectorization approach is
particularly effective, outperforming previous methods.
- Abstract(参考訳): 既存建築物のデジタル化と3次元BIMモデルの作成は多くの課題に欠かせないものとなっている。
特に重要なのは、建物のレイアウトに関する情報を含み、建設、メンテナンス、改修などのプロセスに不可欠であるフロアプランである。
しかし、このデータは必ずしもデジタル形式では利用できない。特にCADツールが普及する以前に建てられた古い建物では意味情報がない。
このような情報のデジタル化は通常、手作業でレイアウトを再構築しなければならない専門家の手作業を必要とする。
本稿では,スキャンした2次元計画からベクトル化された3次元モデルを再構成するパイプラインを提案する。
提案手法は, 公開データセットCubeCasa5kにおける最先端の成果を達成し, 各種プランに対する優れた一般化を示す。
ベクトル化アプローチは特に効果的で,従来の手法よりも優れています。
関連論文リスト
- Segmentation-aware Prior Assisted Joint Global Information Aggregated 3D Building Reconstruction [6.839442579589125]
マルチビューステレオは、3Dモデリング、精密なエンジニアリングサーベイ、定量的分析、モニタリングとメンテナンスを促進することで、土木工学において重要な役割を担っている。
しかし,Multi-View Stereoアルゴリズムは,大規模ビルディングシーン内の弱テクスチャ領域を再構築する際の課題に直面している。
これらの領域では、画素のステレオマッチングがしばしば失敗し、不正確な深さ推定につながる。
本稿では,弱テクスチャ領域を正確に分割し,その平面前処理を高精度に構築するアルゴリズムを提案する。
この関数は、深さ推定更新プロセス中に幾何学的整合性に制約された事前候補セットのグローバル情報に基づいて最適平面事前情報を選択する。
論文 参考訳(メタデータ) (2024-10-24T04:59:44Z) - Multi-Unit Floor Plan Recognition and Reconstruction Using Improved Semantic Segmentation of Raster-Wise Floor Plans [1.0436971860292366]
MDA-Unet と MACU-Net アーキテクチャに基づく2つの新しい画素分割手法を提案する。
提案手法は他の2つの最先端技術とベンチマークデータセットと比較した。
一般的なCubeCasaベンチマークデータセットでは,5つのクラスに対して平均F1スコアが0.86に達している。
論文 参考訳(メタデータ) (2024-08-02T18:36:45Z) - Part123: Part-aware 3D Reconstruction from a Single-view Image [54.589723979757515]
Part123は、一視点画像から部分認識された3D再構成のための新しいフレームワークである。
ニューラルレンダリングフレームワークにコントラスト学習を導入し、部分認識機能空間を学習する。
クラスタリングに基づくアルゴリズムも開発され、再構成されたモデルから3次元部分分割結果を自動的に導出する。
論文 参考訳(メタデータ) (2024-05-27T07:10:21Z) - 3D Face Reconstruction Using A Spectral-Based Graph Convolution Encoder [3.749406324648861]
本稿では,既存の2次元機能と3次元機能を統合し,モデル学習プロセスを導く革新的なアプローチを提案する。
我々のモデルはデータセットの組み合わせから2D-3Dデータペアを用いて訓練され、NoWベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2024-03-08T11:09:46Z) - Reconstructing Hands in 3D with Transformers [64.15390309553892]
単分子入力から3次元の手を再構成する手法を提案する。
ハンドメッシュリカバリに対する我々のアプローチであるHaMeRは、完全にトランスフォーマーベースのアーキテクチャを踏襲し、以前の作業に比べて精度と堅牢性を大幅に向上させながら、ハンドを解析できる。
論文 参考訳(メタデータ) (2023-12-08T18:59:07Z) - Robust Geometry-Preserving Depth Estimation Using Differentiable
Rendering [93.94371335579321]
我々は、余分なデータやアノテーションを必要とせずに、幾何学保存深度を予測するためにモデルを訓練する学習フレームワークを提案する。
包括的な実験は、我々のフレームワークの優れた一般化能力を強調します。
我々の革新的な損失関数は、ドメイン固有のスケール・アンド・シフト係数を自律的に復元するモデルを可能にします。
論文 参考訳(メタデータ) (2023-09-18T12:36:39Z) - gSDF: Geometry-Driven Signed Distance Functions for 3D Hand-Object
Reconstruction [94.46581592405066]
我々は手の構造を利用してSDFによる形状復元の指導を行う。
我々は、ポーズ変換のキネマティック連鎖を予測し、SDFを高調波ハンドポーズと整列させる。
論文 参考訳(メタデータ) (2023-04-24T10:05:48Z) - Vitruvio: 3D Building Meshes via Single Perspective Sketches [0.8001739956625484]
一つのスケッチを3Dビルディングメッシュに変換することを目的とした建物のみに焦点を当てた,最初のディープラーニング手法であるVitruvioを紹介した。
まず、推論プロセスを26%以上(0.5から0.37まで)加速する。
第二に、再建精度(チャンファー距離で測定される)を18%向上させる。
論文 参考訳(メタデータ) (2022-10-24T22:24:58Z) - RandomRooms: Unsupervised Pre-training from Synthetic Shapes and
Randomized Layouts for 3D Object Detection [138.2892824662943]
有望な解決策は、CADオブジェクトモデルで構成される合成データセットをよりよく利用して、実際のデータセットでの学習を促進することである。
最近の3次元事前学習の研究は、合成物体から他の実世界の応用へ学習した伝達特性が失敗することを示している。
本研究では,この目的を達成するためにRandomRoomsという新しい手法を提案する。
論文 参考訳(メタデータ) (2021-08-17T17:56:12Z) - Translational Symmetry-Aware Facade Parsing for 3D Building
Reconstruction [11.263458202880038]
本稿では,深部ニューラルネットワーク改善のための新しい翻訳対称性に基づくアプローチを提案する。
本研究では,単一段ネットワークにおけるアンカーフリー検出を融合させる新しい手法を提案する。
我々はBlenderのような市販のレンダリングエンジンを使用して、手続きモデルを用いて現実的な高品質な3Dモデルを再構築する。
論文 参考訳(メタデータ) (2021-06-02T03:10:51Z) - LED2-Net: Monocular 360 Layout Estimation via Differentiable Depth
Rendering [59.63979143021241]
パノラマの地平線上での深度予測問題として360度レイアウト推定のタスクを定式化する。
レイアウトから深度予測への変換を区別できるように、差分可能な深度レンダリング手順を提案します。
提案手法は,360 レイアウトのベンチマークデータセットで最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2021-04-01T15:48:41Z)
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。