論文の概要: Generative AIBIM: An automatic and intelligent structural design pipeline integrating BIM and generative AI

• arxiv url: http://arxiv.org/abs/2311.04052v2
• Date: Sat, 04 Jan 2025 17:24:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:04:09.650463
• Title: Generative AIBIM: An automatic and intelligent structural design pipeline integrating BIM and generative AI
• Title（参考訳）: Generative AIBIM:BIMと生成AIを統合した自動的かつインテリジェントな構造設計パイプライン
• Authors: Zhili He, Yu-Hsing Wang, Jian Zhang,
• Abstract要約: 本稿では、既存のAIベースのデザインフレームワークを4つの側面から革新する。 まず、提案されたパイプラインは、BIMの適用範囲を広げる。 第2に、生成AI(TGAI)を組み込んだ2段階生成フレームワークは、設計問題の複雑さを単純化するために設計されている。 第3に、TGAIにおけるAIモデルにおいて、物理条件を拡散モデル(DM)に融合させ、新しい物理ベースの条件拡散モデル(PCDM)を構築するパイオニアである。
• 参考スコア（独自算出の注目度）: 4.110105899014154
• License:
• Abstract: AI-based structural design represents a transformative approach that addresses the inefficiencies inherent in traditional structural design practices. This paper innovates the existing AI-based design frameworks from four aspects and proposes Generative AIBIM: an intelligent design pipeline that integrates BIM and generative AI. First, the proposed pipeline not only broadens the application scope of BIM, which aligns with BIM's growing relevance in civil engineering, but also marks a significant supplement to previous methods that relied on CAD drawings. Second, a two-stage generation framework incorporating generative AI (TGAI), inspired by the human drawing process, is designed to simplify the complexity of the design problem. Third, for the AI model in TGAI, this paper pioneers to fuse physical conditions into diffusion models (DMs) to build a novel physics-based conditional diffusion model (PCDM). In contrast to conventional DMs, on the one hand, PCDM directly predicts shear wall drawings to focus on similarity, and on the other hand, PCDM effectively fuses cross-domain information, i.e., design drawings, timesteps, and physical conditions, by integrating well-designed attention modules. Additionally, a new evaluation system including objective and subjective measures is designed to evaluate models' performance, complementing the evaluation system in the traditional methods. The quantitative results demonstrate that PCDM significantly surpasses recent SOTA techniques across both measures. The qualitative results highlight PCDM's superior capabilities in generating high-perceptual-quality drawings adhering to essential design criteria. In addition, benefiting from the fusion of physical conditions, PCDM effectively supports diverse and creative designs tailored to building heights and seismic precautionary intensities, showcasing its unique generation and generalization abilities.
• Abstract（参考訳）: AIベースの構造設計は、従来の構造設計プラクティスに固有の非効率性に対処する変革的なアプローチを表している。 本稿では、既存のAIベースのデザインフレームワークを4つの側面から革新し、BIMと生成AIを統合したインテリジェントデザインパイプラインであるGenerative AIBIMを提案する。 第一に、提案されたパイプラインはBIMの適用範囲を広げるだけでなく、BIMの土木工学への関連性を高めるだけでなく、CAD図面に依存する従来の手法を大いに補完している。 第2に、人間の描画プロセスにインスパイアされた生成AI(TGAI)を組み込んだ2段階生成フレームワークは、設計問題の複雑さを単純化するために設計されている。 第3に、TGAIのAIモデルにおいて、物理条件を拡散モデル(DM)に融合させ、新しい物理ベースの条件拡散モデル(PCDM)を構築する。 一方、従来のDMとは対照的に、PCDMはせん断壁の描画を直接予測して類似性に着目し、一方、PCDMは設計図面、タイムステップ、物理的条件といったドメイン間情報を効果的に融合させ、よく設計された注目モジュールを統合する。 また、従来の手法で評価システムを補完し、モデルの性能を評価するために、客観的かつ主観的な尺度を含む新たな評価システムも設計されている。 その結果,PCDMは最近のSOTA技術を大きく上回っていることがわかった。 質的な結果は,本質的な設計基準に固執した高品質な図面を生成する上で,PCDMの優れた能力を強調している。 さらに、物理的条件の融合により、PCDMはビルの高さと耐震性に合わせた多様で創造的な設計を効果的にサポートし、そのユニークな世代と一般化能力を示している。

関連論文リスト

• A Survey of Model Architectures in Information Retrieval [64.75808744228067]
  機能抽出のためのバックボーンモデルと、関連性推定のためのエンドツーエンドシステムアーキテクチャの2つの重要な側面に焦点を当てる。 従来の用語ベースの手法から現代のニューラルアプローチまで,特にトランスフォーマーベースのモデルとそれに続く大規模言語モデル(LLM)の影響が注目されている。 我々は、パフォーマンスとスケーラビリティのアーキテクチャ最適化、マルチモーダル、マルチランガルデータの処理、従来の検索パラダイムを超えた新しいアプリケーションドメインへの適応など、新たな課題と今後の方向性について議論することで結論付けた。
  論文  参考訳（メタデータ） (2025-02-20T18:42:58Z)
• Towards Automating the Retrospective Generation of BIM Models: A Unified Framework for 3D Semantic Reconstruction of the Built Environment [0.0]
  情報モデリングの構築は建設プロジェクトで有益である。 しかし、3Dモデルの詳細をBIMに変換する統一的でスケーラブルなフレームワークがないため、課題に直面している。 本稿では,BIM生成のための統合意味再構築アーキテクチャであるSR BIMを紹介する。
  論文  参考訳（メタデータ） (2024-06-03T16:07:41Z)
• Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
  我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。 本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。 我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T16:33:12Z)
• Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
  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。 近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
  論文  参考訳（メタデータ） (2023-06-20T14:21:58Z)
• AI-Empowered Hybrid MIMO Beamforming [85.48860461696417]
  ハイブリッドマルチインプット・マルチアウトプット(MIMO)システムは、アナログおよびデジタルのビームフォーミングの一部を実装している。 近年、ハイブリッドビームフォーミング設計にデータ支援人工知能(AI)ツールを使うことへの関心が高まっている。 本稿では、リアルタイムハイブリッドビームフォーミング設計を改善するために、データを活用するための候補戦略についてレビューする。
  論文  参考訳（メタデータ） (2023-03-03T06:04:20Z)
• Low-dimensional Data-based Surrogate Model of a Continuum-mechanical Musculoskeletal System Based on Non-intrusive Model Order Reduction [0.0]
  データ駆動型モデルオーダーリダクションを用いた代理モデルのような従来の手法は、高忠実度モデルをより広く利用するために用いられる。 ヒト上腕部の複素有限要素モデルに対する代理モデル手法の利点を実証する。
  論文  参考訳（メタデータ） (2023-02-13T17:14:34Z)
• 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)
• Biologically Inspired Design Concept Generation Using Generative Pre-Trained Transformers [13.852758740799452]
  本稿では、生成事前学習言語モデル(PLM)に基づく生成設計手法を提案する。 問題空間表現のゆるさに応じて、3種類の設計概念生成器をPLMから同定し、微調整する。 このアプローチは評価され、その後、軽量の空飛ぶ自動車を設計する現実世界のプロジェクトで使用される。
  論文  参考訳（メタデータ） (2022-12-26T16:06:04Z)
• Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
  本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
  論文  参考訳（メタデータ） (2022-11-29T17:28:31Z)
• Design Target Achievement Index: A Differentiable Metric to Enhance Deep Generative Models in Multi-Objective Inverse Design [4.091593765662773]
  設計目標達成指標(Design Target Achievement Index, DTAI)は、設計者が指定した最小パフォーマンス目標を達成するための設計能力を評価する、微分可能で調整可能な指標である。 DTAIをPaDGAN(Performance-Augmented Diverse GAN)に適用し,ベースラインのDeep Generative Modelよりも優れた生成性能を示す。
  論文  参考訳（メタデータ） (2022-05-06T04:14:34Z)
• Generative Pre-Trained Transformers for Biologically Inspired Design [13.852758740799452]
  本稿では,事前学習言語モデル(PLM)に基づく生成設計手法を提案する。 問題空間表現のゆるさに応じて、3種類の設計概念生成器をPLMから同定し、微調整する。 このアプローチは、自然にインスパイアされた軽量の空飛ぶ車の概念の生成と評価に微調整されたモデルを適用するケーススタディによってテストされる。
  論文  参考訳（メタデータ） (2022-03-31T11:13:22Z)

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。