論文の概要: Interactive Design by Integrating a Large Pre-Trained Language Model and
Building Information Modeling
- arxiv url: http://arxiv.org/abs/2306.14165v1
- Date: Sun, 25 Jun 2023 08:18:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-27 16:21:53.703296
- Title: Interactive Design by Integrating a Large Pre-Trained Language Model and
Building Information Modeling
- Title(参考訳): 大規模事前学習言語モデルとビル情報モデリングの統合によるインタラクティブデザイン
- Authors: Suhyung Jang and Ghang Lee
- Abstract要約: 本研究では,生成型人工知能(AI)モデル,特にOpenAIの生成型事前学習型トランスフォーマ(GPT)シリーズの可能性について検討する。
本研究は,建築家とAIシステム間の動的協調を促進するために,最先端言語モデルの有効性を示すものである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This study explores the potential of generative artificial intelligence (AI)
models, specifically OpenAI's generative pre-trained transformer (GPT) series,
when integrated with building information modeling (BIM) tools as an
interactive design assistant for architectural design. The research involves
the development and implementation of three key components: 1) BIM2XML, a
component that translates BIM data into extensible markup language (XML)
format; 2) Generative AI-enabled Interactive Architectural design (GAIA), a
component that refines the input design in XML by identifying designer intent,
relevant objects, and their attributes, using pre-trained language models; and
3) XML2BIM, a component that converts AI-generated XML data back into a BIM
tool. This study validated the proposed approach through a case study involving
design detailing, using the GPT series and Revit. Our findings demonstrate the
effectiveness of state-of-the-art language models in facilitating dynamic
collaboration between architects and AI systems, highlighting the potential for
further advancements.
- Abstract(参考訳): 本研究では,建築設計の対話型設計アシスタントとしてビルディング情報モデリング(BIM)ツールと統合した場合,生成人工知能(AI)モデル,特にOpenAIの生成事前学習変換(GPT)シリーズの可能性を検討する。
この研究には3つの重要なコンポーネントの開発と実装が含まれる。
1 BIM2XMLは、BIMデータを拡張可能なマークアップ言語(XML)フォーマットに変換するコンポーネントである。
2)ジェネレーティブAI対応インタラクティブアーキテクチャ設計(GAIA)は、事前学習言語モデルを用いて、設計意図、関連オブジェクト、およびそれらの属性を特定し、XMLの入力設計を洗練するコンポーネントである。
3. XML2BIM - AI生成したXMLデータをBIMツールに変換するコンポーネント。
本研究は, GPTシリーズとRevitを用いて, 設計詳細化を含むケーススタディを通じて提案手法を検証した。
我々の研究は、建築家とAIシステム間の動的コラボレーションを促進するための最先端言語モデルの有効性を示し、さらなる進歩の可能性を強調した。
関連論文リスト
- Unpacking Human-AI interactions: From interaction primitives to a design
space [6.778055454461106]
これらのプリミティブを相互作用パターンの集合にどのように組み合わせるかを示す。
この背景にある動機は、既存のプラクティスのコンパクトな一般化を提供することである。
我々は,人間-AIインタラクションの設計空間に対して,このアプローチをどのように利用できるかについて議論する。
論文 参考訳(メタデータ) (2024-01-10T12:27:18Z) - MMDesign: Multi-Modality Transfer Learning for Generative Protein Design [66.49989188722553]
タンパク質の設計は、対応するタンパク質のバックボーンに基づいてタンパク質配列を生成する。
深層生成モデルは、データから直接タンパク質設計を学ぶことを約束している。
パブリックな構造系列ペアリングの欠如は、一般化能力を制限している。
マルチモーダルトランスファー学習を利用するMMDesignと呼ばれる新しいタンパク質設計パラダイムを提案する。
論文 参考訳(メタデータ) (2023-12-11T10:59:23Z) - Generative Structural Design Integrating BIM and Diffusion Model [4.619347136761891]
本研究では,ビルディング情報モデリング(BIM)をインテリジェントな構造設計に適用し,BIMと生成AIを統合した構造設計パイプラインを確立する。
人図作成のプロセスにインスパイアされた生成フレームワークでは,AIモデルの生成困難を軽減するため,新たな2段階生成フレームワークが提案されている。
生成型AIツールでは、広く使われているGANベースのモデルを置き換えるために拡散モデル(DM)を導入し、新しい物理ベースの条件付き拡散モデル(PCDM)を提案し、異なる設計の前提条件を検討する。
論文 参考訳(メタデータ) (2023-11-07T15:05:19Z) - Experiments on Generative AI-Powered Parametric Modeling and BIM for
Architectural Design [4.710049212041078]
この研究は、3Dアーキテクチャ設計におけるChatGPTと生成AIの可能性について実験した。
このフレームワークはアーキテクトに設計意図を伝えるための直感的で強力な方法を提供する。
論文 参考訳(メタデータ) (2023-08-01T01:51:59Z) - A Systematic Survey in Geometric Deep Learning for Structure-based Drug
Design [63.30166298698985]
構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。
幾何学的深層学習の最近の進歩は、3次元幾何データの統合と処理に焦点をあてて、構造に基づく薬物設計の分野を大いに進歩させてきた。
論文 参考訳(メタデータ) (2023-06-20T14:21:58Z) - Universal Information Extraction as Unified Semantic Matching [54.19974454019611]
情報抽出を,異なるタスクやスキーマで共有される構造化と概念化という,2つの能力に分割する。
このパラダイムに基づいて、統一意味マッチングフレームワークを用いて様々なIEタスクを普遍的にモデル化することを提案する。
このように、USMはスキーマと入力テキストを共同でエンコードし、サブ構造を一様に並列に抽出し、必要に応じてターゲット構造を制御できる。
論文 参考訳(メタデータ) (2023-01-09T11:51:31Z) - Artificial intelligence approaches for materials-by-design of energetic
materials: state-of-the-art, challenges, and future directions [0.0]
我々は,AIによる材料設計の進歩とそのエネルギー材料への応用についてレビューする。
文献における手法を,少数のデータから学習する能力の観点から評価する。
本稿では,メタラーニング,アクティブラーニング,ベイズラーニング,半/弱教師付きラーニングなど,EM教材の今後の研究方向性について提案する。
論文 参考訳(メタデータ) (2022-11-15T14:41:11Z) - SIM-Trans: Structure Information Modeling Transformer for Fine-grained
Visual Categorization [59.732036564862796]
本稿では,オブジェクト構造情報を変換器に組み込んだSIM-Trans(Structure Information Modeling Transformer)を提案する。
提案した2つのモジュールは軽量化されており、任意のトランスフォーマーネットワークにプラグインでき、エンドツーエンドで容易に訓練できる。
実験と解析により,提案したSIM-Transが細粒度視覚分類ベンチマークの最先端性能を達成することを示した。
論文 参考訳(メタデータ) (2022-08-31T03:00:07Z) - Driving Digital Engineering Integration and Interoperability Through
Semantic Integration of Models with Ontologies [0.0]
本稿では,Digital Engineering Framework for Integrationを紹介します。
DEFII、SWTをエンジニアリング設計および分析タスクに組み込む。
このフレームワークは、オントロジーに準拠したデータと対話するための3つの表記インターフェイスを含んでいる。
フレームワークの使用は、ツールに依存しない、プロジェクト全体、システム、ミッションにまたがる真実の信頼できる情報源をもたらす。
論文 参考訳(メタデータ) (2022-06-08T14:58:09Z) - Revealing the Invisible with Model and Data Shrinking for
Composite-database Micro-expression Recognition [49.463864096615254]
入力複雑性とモデル複雑性を含む学習複雑性の影響を分析する。
より浅層構造と低分解能入力データを探索する再帰畳み込みネットワーク(RCN)を提案する。
学習可能なパラメータを増やさなくてもRCNと統合できる3つのパラメータフリーモジュールを開発した。
論文 参考訳(メタデータ) (2020-06-17T06:19:24Z) - A Dependency Syntactic Knowledge Augmented Interactive Architecture for
End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。
このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。
3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
論文 参考訳(メタデータ) (2020-04-04T14:59:32Z)
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。