論文の概要: A-Scan2BIM: Assistive Scan to Building Information Modeling
- arxiv url: http://arxiv.org/abs/2311.18166v1
- Date: Thu, 30 Nov 2023 01:07:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 18:29:31.407987
- Title: A-Scan2BIM: Assistive Scan to Building Information Modeling
- Title(参考訳): A-Scan2BIM:情報モデリング構築支援スキャン
- Authors: Weilian Song, Jieliang Luo, Dale Zhao, Yan Fu, Chin-Yi Cheng, Yasutaka
Furukawa
- Abstract要約: 本稿では,大規模クラウドをビルディングインフォメーション・モデリング・アプリケーションの標準化されたデジタル表現に変換するアーキテクト支援システムを提案する。
本稿では, 再建作業の順序がいかに自然であるかを計測する新しい指標を提案する。
- 参考スコア(独自算出の注目度): 24.128574719493365
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes an assistive system for architects that converts a
large-scale point cloud into a standardized digital representation of a
building for Building Information Modeling (BIM) applications. The process is
known as Scan-to-BIM, which requires many hours of manual work even for a
single building floor by a professional architect. Given its challenging
nature, the paper focuses on helping architects on the Scan-to-BIM process,
instead of replacing them. Concretely, we propose an assistive Scan-to-BIM
system that takes the raw sensor data and edit history (including the current
BIM model), then auto-regressively predicts a sequence of model editing
operations as APIs of a professional BIM software (i.e., Autodesk Revit). The
paper also presents the first building-scale Scan2BIM dataset that contains a
sequence of model editing operations as the APIs of Autodesk Revit. The dataset
contains 89 hours of Scan2BIM modeling processes by professional architects
over 16 scenes, spanning over 35,000 m^2. We report our system's reconstruction
quality with standard metrics, and we introduce a novel metric that measures
how natural the order of reconstructed operations is. A simple modification to
the reconstruction module helps improve performance, and our method is far
superior to two other baselines in the order metric. We will release data,
code, and models at a-scan2bim.github.io.
- Abstract(参考訳): 本稿では,大規模クラウドをビルディングインフォメーション・モデリング(BIM)アプリケーションのためのビルディングの標準化されたデジタル表現に変換するアーキテクト支援システムを提案する。
このプロセスはScan-to-BIMと呼ばれ、プロの建築家による1つの建物のフロアでも何時間も手作業を必要とする。
この論文は、Scan-to-BIMプロセスを置き換えるのではなく、アーキテクトを支援することに焦点を当てている。
具体的には、センサデータを取得し、履歴(現在のBIMモデルを含む)を編集し、プロのBIMソフトウェア(Autodesk Revit)のAPIとしてモデル編集操作の順序を自動回帰予測する支援システムScan-to-BIMを提案する。
また,Autodesk RevitのAPIとして,一連のモデル編集操作を含む,最初のビルディングスケールScan2BIMデータセットを提案する。
89時間のscan2bimモデリングプロセスが16シーン以上あり、35,000m^2を超える。
そこで本研究では,本システムの再構築品質を標準指標として報告し,再構築作業の順序がどの程度自然であるかを測定する新しい指標を提案する。
再構成モジュールの簡単な修正は性能の向上に役立ち,本手法は他の2つの基準よりもはるかに優れている。
データ、コード、モデルはa-scan2bim.github.ioでリリースします。
関連論文リスト
- Instruct-ReID++: Towards Universal Purpose Instruction-Guided Person Re-identification [62.894790379098005]
本稿では,与えられた画像や言語命令に従って,モデルに画像の検索を要求する新しい命令-ReIDタスクを提案する。
Instruct-ReIDは一般的なReID設定の最初の探索であり、既存の6つのReIDタスクを異なる命令を割り当てることで特別なケースとして見ることができる。
本稿では,新しいベースラインモデル IRM を提案する。
論文 参考訳(メタデータ) (2024-05-28T03:35:46Z) - FollowIR: Evaluating and Teaching Information Retrieval Models to Follow Instructions [71.5977045423177]
本稿では,情報検索システムにおける命令の利用について検討する。
厳密なインストラクション評価ベンチマークを含むデータセットFollowIRを紹介した。
我々は、IRモデルが複雑な命令に従うことを学習することは可能であることを示す。
論文 参考訳(メタデータ) (2024-03-22T14:42:29Z) - MTP: Advancing Remote Sensing Foundation Model via Multi-Task Pretraining [73.81862342673894]
ファンデーションモデルは、様々な画像解釈タスクを強化することで、リモートセンシング(RS)のランドスケープを再構築した。
事前訓練されたモデルを下流のタスクに転送することは、イメージ分類やオブジェクト識別タスクとして事前訓練の定式化によるタスクの相違に遭遇する可能性がある。
SAMRSデータセット上で、セマンティックセグメンテーション、インスタンスセグメンテーション、回転オブジェクト検出を含むマルチタスクによる事前トレーニングを行う。
我々のモデルは、シーン分類、水平・回転物体検出、セマンティックセグメンテーション、変化検出など、様々なRS下流タスクに基づいて微調整される。
論文 参考訳(メタデータ) (2024-03-20T09:17:22Z) - Enhancing Architecture Frameworks by Including Modern Stakeholders and their Views/Viewpoints [48.87872564630711]
データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。
10か国25以上の組織から61名の被験者を対象に調査を行った。
論文 参考訳(メタデータ) (2023-08-09T21:54:34Z) - Automatic Reconstruction of Semantic 3D Models from 2D Floor Plans [1.8581514902689347]
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。
論文 参考訳(メタデータ) (2023-06-02T16:06:42Z) - Learning to Learn from APIs: Black-Box Data-Free Meta-Learning [99.56612787882334]
データフリーなメタラーニング(DFML)は、トレーニングデータにアクセスせずに事前訓練されたモデルの集合からメタラーニングすることで、新しいタスクの効率的な学習を可能にすることを目的としている。
既存のDFMLの作業は、(i)ホワイトボックスと(ii)小規模事前訓練モデルからしかメタ学習できない。
ブラックボックスAPIの集合から単一のモデルへ,より一般的なメタ知識を伝達するための,バイレベルデータフリーなメタ知識蒸留(BiDf-MKD)フレームワークを提案する。
論文 参考訳(メタデータ) (2023-05-28T18:00:12Z) - Prompter: Utilizing Large Language Model Prompting for a Data Efficient
Embodied Instruction Following [4.532517021515834]
Embodied Instruction 自律的な移動操作ロボットは、長期のタスクを達成するためにどのように制御されるべきかの研究に続く。
デプロイされたロボットの物理的制約をモジュール設計に組み込むことは非常に効果的であることを示す。
私たちの設計では、同じモジュールシステムが、最小限の修正で、異なる構成のロボット間で動作できるようにしています。
論文 参考訳(メタデータ) (2022-11-07T02:24:39Z) - Multi-Stage Progressive Image Restoration [167.6852235432918]
本稿では、これらの競合する目標を最適にバランスできる新しい相乗的設計を提案する。
本提案では, 劣化した入力の復元関数を段階的に学習する多段階アーキテクチャを提案する。
MPRNetという名前の密接な相互接続型マルチステージアーキテクチャは、10のデータセットに対して強力なパフォーマンス向上を実現している。
論文 参考訳(メタデータ) (2021-02-04T18:57:07Z) - Segmentation and Analysis of a Sketched Truss Frame Using Morphological
Image Processing Techniques [0.0]
建物の能力を分析し評価する計算ツールの開発は、土木工学に大きな影響を与えた。
構造モデリングに関わる困難かつ最も時間を要するステップの1つは、分析を提供するために構造の幾何学を定義することである。
本稿では,手書きスケッチやコンピュータで作成したトラスフレームの分析を自動化する手法の開発に着目する。
論文 参考訳(メタデータ) (2020-09-28T08:50:18Z)
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。