論文の概要: ArchSeek: Retrieving Architectural Case Studies Using Vision-Language Models
- arxiv url: http://arxiv.org/abs/2503.18680v1
- Date: Mon, 24 Mar 2025 13:50:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-25 14:37:29.991663
- Title: ArchSeek: Retrieving Architectural Case Studies Using Vision-Language Models
- Title（参考訳）: ArchSeek:ビジョンランゲージモデルを用いたアーキテクチャケーススタディの検索
- Authors: Danrui Li, Yichao Shi, Yaluo Wang, Ziying Shi, Mubbasir Kapadia,
- Abstract要約: ArchSeekは、レコメンデーション機能を備えた革新的なケーススタディ検索システムだ。
視覚言語モデルとクロスモーダルな埋め込みによって、きめ細かい制御でテキストと画像のクエリを可能にする。
- 参考スコア（独自算出の注目度）: 6.936621948709572
- License:
- Abstract: Efficiently searching for relevant case studies is critical in architectural design, as designers rely on precedent examples to guide or inspire their ongoing projects. However, traditional text-based search tools struggle to capture the inherently visual and complex nature of architectural knowledge, often leading to time-consuming and imprecise exploration. This paper introduces ArchSeek, an innovative case study search system with recommendation capability, tailored for architecture design professionals. Powered by the visual understanding capabilities from vision-language models and cross-modal embeddings, it enables text and image queries with fine-grained control, and interaction-based design case recommendations. It offers architects a more efficient, personalized way to discover design inspirations, with potential applications across other visually driven design fields. The source code is available at https://github.com/danruili/ArchSeek.
- Abstract（参考訳）: 設計者は、進行中のプロジェクトのガイドやインスピレーションに先例に頼っているため、関連するケーススタディを効率的に探すことはアーキテクチャ設計において重要である。
しかし、伝統的なテキストベースの検索ツールは、本質的に視覚的で複雑なアーキテクチャ知識を捉えるのに苦労し、しばしば時間と不正確な探索に繋がる。
本稿では,アーキテクチャ設計の専門家向けに設計された推薦機能を備えた,革新的なケーススタディ検索システムであるArchSeekを紹介する。
視覚言語モデルとクロスモーダルな埋め込みによる視覚的理解機能によって、きめ細かい制御によるテキストおよびイメージクエリ、インタラクションベースのデザインケースレコメンデーションが実現されている。
アーキテクトがデザインインスピレーションを見つけるための、より効率的でパーソナライズされた方法を提供する。
ソースコードはhttps://github.com/danruili/ArchSeek.comで入手できる。
関連論文リスト
- NADER: Neural Architecture Design via Multi-Agent Collaboration [37.48197934228379]
ニューラルアーキテクチャ設計(NAD)を多エージェント協調問題として定式化する新しいフレームワークであるNADERを紹介する。
本稿では,即時フィードバックと長期経験から効果的に学習するリフレクタを提案する。
ニューラルアーキテクチャを表現するためにコードを使った従来のLCMベースの手法とは異なり、グラフベースの表現を用いる。
論文 参考訳（メタデータ） (2024-12-26T13:07:03Z) - Automatic Layout Planning for Visually-Rich Documents with Instruction-Following Models [81.6240188672294]
グラフィックデザインでは、プロでないユーザは、限られたスキルとリソースのために視覚的に魅力的なレイアウトを作成するのに苦労することが多い。
レイアウト計画のための新しいマルチモーダル・インストラクション・フォロー・フレームワークを導入し、視覚的要素をカスタマイズしたレイアウトに簡単に配置できるようにする。
本手法は,非専門職の設計プロセスを単純化するだけでなく,数ショット GPT-4V モデルの性能を上回り,mIoU は Crello で 12% 向上する。
論文 参考訳（メタデータ） (2024-04-23T17:58:33Z) - Standardizing Knowledge Engineering Practices with a Reference Architecture [8.22187358555391]
本稿では,知識工学の分野でのベストプラクティスを調和させるビジョンを提案する。
本稿では,ユーザニーズと繰り返し発生するシステムパターンを関連付けるために,参照アーキテクチャを反復的に設計,実装する方法について述べる。
論文 参考訳（メタデータ） (2024-04-04T17:46:32Z) - I-Design: Personalized LLM Interior Designer [57.00412237555167]
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。
論文 参考訳（メタデータ） (2024-04-03T16:17:53Z) - Sketch-to-Architecture: Generative AI-aided Architectural Design [20.42779592734634]
簡単なスケッチから概念的なフロアプランと3Dモデルを生成するために,AIモデルを利用する新しいワークフローを提案する。
我々の研究は、アーキテクチャ設計プロセスにおける生成AIの可能性を示し、コンピュータ支援アーキテクチャ設計の新しい方向性を指し示している。
論文 参考訳（メタデータ） (2024-03-29T14:04:45Z) - Unsupervised Graph Neural Architecture Search with Disentangled
Self-supervision [51.88848982611515]
教師なしグラフニューラルアーキテクチャサーチは、文献では未発見のままである。
本稿では,Distangled Self-supervised Graph Neural Architecture Searchモデルを提案する。
我々のモデルは、教師なしの方法で、いくつかのベースライン手法に対して最先端のパフォーマンスを達成することができる。
論文 参考訳（メタデータ） (2024-03-08T05:23:55Z) - AI Art in Architecture [0.6853165736531939]
最近の拡散ベースのAIアートプラットフォームは、単純なテキスト記述から印象的なイメージを作成することができる。
これはアーキテクチャ設計の初期段階にも当てはまり、アイデア、スケッチ、モデリングの段階が複数ある。
アーキテクチャ設計における一連の一般的なユースケースに対して,Midjourney,DALL-E 2,StableDiffusionの各プラットフォームの適用性について検討する。
論文 参考訳（メタデータ） (2022-12-19T12:24:14Z) - Network Graph Based Neural Architecture Search [57.78724765340237]
我々は、対応するグラフを書き換えてニューラルネットワークを探索し、グラフ特性によるアーキテクチャ性能の予測を行う。
グラフ空間全体にわたって機械学習を行わないため、探索プロセスは極めて効率的である。
論文 参考訳（メタデータ） (2021-12-15T00:12:03Z) - 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) - A Design Space Study for LISTA and Beyond [79.76740811464597]
近年では、反復アルゴリズムの展開による問題固有のディープネットワーク構築に大きな成功を収めている。
本稿では,深層ネットワークにおける設計アプローチとしてのアンローリングの役割について再考する。
スパースリカバリのためのlistaを代表例として,未ロールモデルに対する設計空間調査を初めて実施した。
論文 参考訳（メタデータ） (2021-04-08T23:01:52Z) - A New Neural Search and Insights Platform for Navigating and Organizing
AI Research [56.65232007953311]
我々は、古典的なキーワード検索とニューラル検索を組み合わせた新しいプラットフォームであるAI Research Navigatorを導入し、関連する文献を発見し整理する。
本稿では,システム全体のアーキテクチャの概要と,文書分析,質問応答,検索,分析,専門家検索,レコメンデーションの構成要素について概説する。
論文 参考訳（メタデータ） (2020-10-30T19:12:25Z)
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。