論文の概要: I-Design: Personalized LLM Interior Designer
- arxiv url: http://arxiv.org/abs/2404.02838v1
- Date: Wed, 3 Apr 2024 16:17:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-04 16:50:16.905230
- Title: I-Design: Personalized LLM Interior Designer
- Title(参考訳): I-Design:パーソナライズされたLLMインテリアデザイナ
- Authors: Ata Çelen, Guo Han, Konrad Schindler, Luc Van Gool, Iro Armeni, Anton Obukhov, Xi Wang,
- Abstract要約: I-Designはパーソナライズされたインテリアデザイナで、自然言語によるコミュニケーションを通じて設計目標の生成と視覚化を可能にする。
I-Designは、対話や論理的推論に従事する大きな言語モデルエージェントのチームから始まる。
最終的な設計は、既存のオブジェクトデータベースから資産を取り出し、統合することで、3Dで構築されます。
- 参考スコア(独自算出の注目度): 57.00412237555167
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Interior design allows us to be who we are and live how we want - each design is as unique as our distinct personality. However, it is not trivial for non-professionals to express and materialize this since it requires aligning functional and visual expectations with the constraints of physical space; this renders interior design a luxury. To make it more accessible, we present I-Design, a personalized interior designer that allows users to generate and visualize their design goals through natural language communication. I-Design starts with a team of large language model agents that engage in dialogues and logical reasoning with one another, transforming textual user input into feasible scene graph designs with relative object relationships. Subsequently, an effective placement algorithm determines optimal locations for each object within the scene. The final design is then constructed in 3D by retrieving and integrating assets from an existing object database. Additionally, we propose a new evaluation protocol that utilizes a vision-language model and complements the design pipeline. Extensive quantitative and qualitative experiments show that I-Design outperforms existing methods in delivering high-quality 3D design solutions and aligning with abstract concepts that match user input, showcasing its advantages across detailed 3D arrangement and conceptual fidelity.
- Abstract(参考訳): インテリアデザインは、私たちが何者で、何を望むか - それぞれのデザインは、異なる個性と同じくらいユニークです。
しかし、物理的空間の制約と機能的および視覚的期待を一致させる必要があるため、非専門職がこれを表現し、実現することは簡単ではない。
I-Designは、ユーザーが自然言語通信を通じて設計目標を生成、視覚化できるインテリアデザイナである。
I-Designは、対話や論理的推論に携わる大規模な言語モデルエージェントのチームから始まり、テキストによるユーザ入力を、相対的なオブジェクト関係を持つ実行可能なシーングラフ設計に変換する。
その後、効果的配置アルゴリズムがシーン内の各オブジェクトの最適な位置を決定する。
最終的な設計は、既存のオブジェクトデータベースから資産を取り出し、統合することで、3Dで構築されます。
さらに,視覚言語モデルを用いて設計パイプラインを補完する新しい評価プロトコルを提案する。
大規模な量的および質的な実験により、I-Designは、高品質な3Dデザインソリューションを提供し、ユーザ入力にマッチする抽象概念と整合し、詳細な3Dアレンジメントと概念的忠実さでその利点を示す、既存の方法よりも優れていることが示された。
関連論文リスト
- Layout2Rendering: AI-aided Greenspace design [6.177449739362043]
本研究では,ディープラーニング技術に基づく公園空間生成設計システムを提案する。
このシステムはランドスケープ要素のトポロジ的関係に基づいて設計計画を生成し、プラン要素情報をベクトル化し、グラスホッパーを用いて3次元モデルを生成する。
論文 参考訳(メタデータ) (2024-04-21T14:00:43Z) - Style-Consistent 3D Indoor Scene Synthesis with Decoupled Objects [84.45345829270626]
制御可能な3D屋内シーン合成は、技術進歩の最前線にある。
シーンスタイリングの現在の手法は、シーン全体にスタイルを適用することに限定されている。
室内3Dシーンを合成するためのユニークなパイプラインを提案する。
論文 参考訳(メタデータ) (2024-01-24T03:10:36Z) - iDesigner: A High-Resolution and Complex-Prompt Following Text-to-Image
Diffusion Model for Interior Design [42.061819736162356]
本稿では,CLIPフィードバックによるカリキュラム学習と強化学習による微調整戦略を提案する。
収集したデータセットに対する実験結果から,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2023-12-07T14:37:01Z) - CustomNet: Zero-shot Object Customization with Variable-Viewpoints in
Text-to-Image Diffusion Models [85.69959024572363]
CustomNetは、オブジェクトのカスタマイズプロセスに3Dの新しいビュー合成機能を明示的に組み込んだ、新しいオブジェクトカスタマイズアプローチである。
テキスト記述や特定のユーザ定義画像による位置制御とフレキシブルな背景制御を実現するための繊細な設計を導入する。
本手法は,テスト時間最適化を伴わないゼロショットオブジェクトのカスタマイズを容易にし,視点,位置,背景を同時制御する。
論文 参考訳(メタデータ) (2023-10-30T17:50:14Z) - DEsignBench: Exploring and Benchmarking DALL-E 3 for Imagining Visual
Design [124.56730013968543]
ビジュアルデザインシナリオに適したテキスト・ツー・イメージ(T2I)生成ベンチマークであるDesignBenchを紹介する。
DesignBenchベンチマークでは、画像テキストアライメント、視覚美学、デザインクリエイティビティの基準に対して、生成された画像に対する人間による評価を行う。
GPT-4Vを用いた最初の自動画像生成評価器を提案する。
論文 参考訳(メタデータ) (2023-10-23T17:48:38Z) - VIDES: Virtual Interior Design via Natural Language and Visual Guidance [16.35842298296878]
本稿では,この課題に対応する仮想内装署名(VIDES)システムを提案する。
生成AIにおける最先端技術を活用することで,室内シーンの概念の生成と編集を支援することができる。
論文 参考訳(メタデータ) (2023-08-26T07:41:42Z) - Architext: Language-Driven Generative Architecture Design [1.393683063795544]
Architextは、大規模な言語モデルに入力として与えられる自然言語プロンプトのみを持つ設計生成を可能にする。
我々は,多くの事前学習言語モデルに対する意味的精度と多様性に着目し,Architextのダウンストリームタスク性能を徹底的に定量的に評価する。
Architextモデルは、特定の設計タスクを学習し、有効な住宅レイアウトを100%近い速度で生成することができる。
論文 参考訳(メタデータ) (2023-03-13T23:11:05Z) - LayoutDETR: Detection Transformer Is a Good Multimodal Layout Designer [81.5482196644596]
グラフィックレイアウトデザインは視覚コミュニケーションにおいて重要な役割を担っている。
しかし、手作りのレイアウトデザインは、スキルを要求し、時間がかかり、バッチプロダクションではスケールできない。
ジェネレーティブモデルは、設計自動化をスケーラブルにするために出現するが、デザイナの欲求に沿うデザインを作成することは、未だに容易ではない。
論文 参考訳(メタデータ) (2022-12-19T21:57:35Z) - Investigating Positive and Negative Qualities of Human-in-the-Loop
Optimization for Designing Interaction Techniques [55.492211642128446]
設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。
モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。
一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
論文 参考訳(メタデータ) (2022-04-15T20:40:43Z) - Detecting Visual Design Principles in Art and Architecture through Deep
Convolutional Neural Networks [0.0]
本研究の目的は、異なるドメインに対する設計原則を認識し、分類するニューラルネットワークモデルである。
提案したモデルは,その基盤となる共有パターンをキャプチャして,原設計の無数の知識から学習する。
論文 参考訳(メタデータ) (2021-08-09T14:00:17Z)
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。