論文の概要: Unit Region Encoding: A Unified and Compact Geometry-aware Representation for Floorplan Applications

• arxiv url: http://arxiv.org/abs/2501.11097v1
• Date: Sun, 19 Jan 2025 16:17:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:22:40.801047
• Title: Unit Region Encoding: A Unified and Compact Geometry-aware Representation for Floorplan Applications
• Title（参考訳）: 単位領域符号化:フロアプランアプリケーションのための統一的でコンパクトな幾何認識表現
• Authors: Huichao Zhang, Pengyu Wang, Manyi Li, Zuojun Li, Yaguang Wu,
• Abstract要約: 単位地域。 フロアプランは、様々な用途のための統一的でコンパクトな幾何認識符号化表現である。 我々の表現は、分割された単位領域を持つ異なるアプリケーションに柔軟に適用できる。
• 参考スコア（独自算出の注目度）: 6.019073491990928
• License:
• Abstract: We present the Unit Region Encoding of floorplans, which is a unified and compact geometry-aware encoding representation for various applications, ranging from interior space planning, floorplan metric learning to floorplan generation tasks. The floorplans are represented as the latent encodings on a set of boundary-adaptive unit region partition based on the clustering of the proposed geometry-aware density map. The latent encodings are extracted by a trained network (URE-Net) from the input dense density map and other available semantic maps. Compared to the over-segmented rasterized images and the room-level graph structures, our representation can be flexibly adapted to different applications with the sliced unit regions while achieving higher accuracy performance and better visual quality. We conduct a variety of experiments and compare to the state-of-the-art methods on the aforementioned applications to validate the superiority of our representation, as well as extensive ablation studies to demonstrate the effect of our slicing choices.
• Abstract（参考訳）: 室内空間計画, フロアプラン計量学習, フロアプラン生成タスクなど, 様々なアプリケーションに対して, 統一的でコンパクトな幾何認識の符号化表現であるフロアプランの単位領域符号化を提案する。 フロアプランは、提案した幾何認識密度マップのクラスタリングに基づいて、境界適応単位領域分割のセットの潜在エンコーディングとして表現される。 潜在エンコーディングは、入力密度マップや他の利用可能なセマンティックマップからトレーニングされたネットワーク(URE-Net)によって抽出される。 ラスタ化画像や部屋レベルのグラフ構造と比較すると, 分割単位領域を持つ異なるアプリケーションに柔軟に適応でき, 精度が高く, 視覚的品質も向上する。 我々は、先述したアプリケーションに関する最先端の手法をさまざまな実験で比較し、表現の優越性を検証し、スライシング選択の効果を実証する広範囲なアブレーション研究を行った。

関連論文リスト

• LMSeg: A deep graph message-passing network for efficient and accurate semantic segmentation of large-scale 3D landscape meshes [3.482371041476053]
  本稿では,大規模3次元ランドスケープメッシュ上でのセマンティックセマンティックセグメンテーションを効率的かつ正確に行うために,エンドツーエンドのディープグラフメッセージパッシングネットワークであるLMSegを提案する。 偏心グラフの階層的および局所的なプーリングは、効果的な幾何集約モジュールとともに、小さく不規則なメッシュオブジェクトの高速な推論と正確なセグメンテーションを可能にする。
  論文  参考訳（メタデータ） (2024-07-05T07:55:06Z)
• Mapping High-level Semantic Regions in Indoor Environments without Object Recognition [50.624970503498226]
  本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。 地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。 グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
  論文  参考訳（メタデータ） (2024-03-11T18:09:50Z)
• RegionGPT: Towards Region Understanding Vision Language Model [88.42271128373191]
  RegionGPT(RGPT)は、複雑な地域レベルのキャプションと理解のために設計された新しいフレームワークである。 我々は、詳細な地域レベルのキャプションを備えたトレーニングセットを充実させる、自動領域キャプションデータ生成パイプラインを開発する。 本研究では,領域レベルのタスクに対して,汎用的なRGPTモデルを効果的に適用し,性能を大幅に向上させることを実証する。
  論文  参考訳（メタデータ） (2024-03-04T18:58:08Z)
• Jointly Learning Representations for Map Entities via Heterogeneous Graph Contrastive Learning [38.415692986360995]
  マップエンティティの複数カテゴリの表現を学習するためのHOME-GCLという新しい手法を提案する。 本手法では,道路セグメントとランドパーセルの両方を統一したフレームワークに統合するヘテロジニアスマップエンティティグラフ(HOMEグラフ)を用いる。 我々の知る限り、HOME-GCLは統一モデルを用いて道路セグメントと土地区画の表現を共同で学習する最初の試みである。
  論文  参考訳（メタデータ） (2024-02-09T01:47:18Z)
• LAW-Diffusion: Complex Scene Generation by Diffusion with Layouts [107.11267074981905]
  LAW拡散(LAW-Diffusion)と呼ばれる意味制御可能なレイアウト・AWare拡散モデルを提案する。 LAW拡散は、特にコヒーレントな対象関係を持つ最先端の生成性能をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-08-13T08:06:18Z)
• R-MAE: Regions Meet Masked Autoencoders [113.73147144125385]
  我々は、自己教師付き画像表現学習のための単語の潜在的な視覚的類似として領域を探索する。 生成前トレーニングベースラインであるMasked Autoencoding (MAE) に触発されて, 画素群や領域群から学習するためのマスク付き領域オートエンコーディングを提案する。
  論文  参考訳（メタデータ） (2023-06-08T17:56:46Z)
• Cross-view Geo-localization via Learning Disentangled Geometric Layout Correspondence [11.823147814005411]
  クロスビュージオローカライゼーションは、参照ジオタグ付き空中画像データベースとマッチングすることで、クエリーグラウンド画像の位置を推定することを目的としている。 最近の研究は、クロスビューなジオローカライゼーションベンチマークにおいて顕著な進歩を遂げている。 しかし、既存の手法は依然としてクロスエリアベンチマークのパフォーマンスの低下に悩まされている。
  論文  参考訳（メタデータ） (2022-12-08T04:54:01Z)
• LCPFormer: Towards Effective 3D Point Cloud Analysis via Local Context Propagation in Transformers [60.51925353387151]
  本稿では,近隣地域間のメッセージパッシングを活用するために,LCP (Local Context Propagation) という新しいモジュールを提案する。 隣接するローカル領域の重複点を仲介として使用した後、異なるローカルリージョンからの共有ポイントの特徴を再重み付けし、その後、次のレイヤに渡す。 提案手法は, 異なるタスクに適用可能であり, 3次元形状分類や高密度予測タスクを含むベンチマークにおいて, 様々なトランスフォーマーベースの手法より優れる。
  論文  参考訳（メタデータ） (2022-10-23T15:43:01Z)
• Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
  Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。 IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。 提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-06-17T09:40:14Z)
• PSSNet: Planarity-sensible Semantic Segmentation of Large-scale Urban Meshes [3.058685580689605]
  テクスチャメッシュとして表現された3次元都市シーンを解釈するための,新しいディープラーニングベースのフレームワークを提案する。 我々のフレームワークは2つのステップでセマンティックセグメンテーションを実現する: 計画性に敏感なオーバーセグメンテーションとセマンティックセグメンテーション。 我々のアプローチは、境界品質とIoU(組合間)の平均で最先端の手法より優れています。
  論文  参考訳（メタデータ） (2022-02-07T14:16:10Z)
• Image Stitching Based on Planar Region Consensus [22.303750435673752]
  本稿では,マッチングされた支配的な平面領域の集合をアライメントすることで,画像の縫合を行う新しい画像縫合法を提案する。 我々は、RGB画像から直接リッチな意味情報を用いて、深層畳み込みニューラルネットワーク(CNN)を用いて平面画像領域を抽出する。 我々の手法は、異なる状況に対処し、挑戦的な場面で最先端の技術を発揮できる。
  論文  参考訳（メタデータ） (2020-07-06T13:07:20Z)

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。