論文の概要: RelTriple: Learning Plausible Indoor Layouts by Integrating Relationship Triples into the Diffusion Process
- arxiv url: http://arxiv.org/abs/2503.20289v1
- Date: Wed, 26 Mar 2025 07:31:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-27 13:20:32.469465
- Title: RelTriple: Learning Plausible Indoor Layouts by Integrating Relationship Triples into the Diffusion Process
- Title(参考訳): RelTriple: 関係トリプルを拡散過程に統合した可塑性屋内レイアウトの学習
- Authors: Kaifan Sun, Bingchen Yang, Peter Wonka, Jun Xiao, Haiyong Jiang,
- Abstract要約: RelTripleは,物体と地域間の空間的関係を学習することで,家具の流通を促進する新しい手法である。
提案手法は,非条件レイアウト生成,フロアプラン条件付きレイアウト生成,シーンアレンジメントの視覚的評価において,既存の最先端手法よりも一貫して改善されている。
- 参考スコア(独自算出の注目度): 39.00148183089349
- License:
- Abstract: The generation of indoor furniture layouts has significant applications in augmented reality, smart homes, and architectural design. Successful furniture arrangement requires proper physical relationships (e.g., collision avoidance) and spacing relationships between furniture and their functional zones to be respected. However, manually defined relationships are almost always incomplete and can produce unrealistic layouts. This work instead extracts spacing relationships automatically based on a hierarchical analysis and adopts the Delaunay Triangulation to produce important triple relationships. Compared to pairwise relationship modeling, triple relationships account for interactions and space utilization among multiple objects. To this end, we introduce RelTriple, a novel approach that enhances furniture distribution by learning spacing relationships between objects and regions. We formulate triple relationships as object-to-object (O2O) losses and object-to-region (O2R) losses and integrate them directly into the training process of generative diffusion. Our approach consistently improves over existing state-of-the-art methods in visual results evaluation metrics on unconditional layout generation, floorplan-conditioned layout generation, and scene rearrangement, achieving at least 12% on the introduced spatial relationship metric and superior spatial coherence and practical usability.
- Abstract(参考訳): 室内家具のレイアウトの生成は、拡張現実、スマートホーム、建築設計に重要な応用をもたらす。
成功した家具の配置には、適切な物理的関係(例えば衝突回避)と、家具とそれらの機能的領域の間の関係を尊重することが必要である。
しかし、手動で定義された関係はほとんど常に不完全であり、非現実的なレイアウトを生成することができる。
この研究は、階層解析に基づいて自動的にスペーシング関係を抽出し、デラウネー三角法を採用して重要な三重関係を生成する。
ペアワイズ・リレーション・モデリングと比較すると、三重関係は複数のオブジェクト間の相互作用と空間利用を考慮に入れている。
そこで我々はRelTripleを紹介した。RelTripleはオブジェクトと領域間の間隔関係を学習することで家具の流通を促進できる新しいアプローチである。
我々は,対象物(O2O)の損失と対象物(O2R)の損失として三重関係を定式化し,生成拡散のトレーニングプロセスに直接統合する。
提案手法は,非条件レイアウト生成,フロアプラン条件付きレイアウト生成,シーンアレンジメントの視覚的評価指標における既存の最先端手法を常に改善し,導入した空間的関係距離と空間的一貫性と実用的なユーザビリティを少なくとも12%向上させる。
関連論文リスト
- RTF: Region-based Table Filling Method for Relational Triple Extraction [17.267920424291372]
本稿では,知識グラフからトリプルを抽出する領域ベースのテーブルフィリング手法を提案する。
そこで我々は,各トリプルを関係特化テーブル上の領域とみなし,各領域の2つのエンドポイントを決定することで3つを識別する,新しい領域ベースのタグ付け手法と双方向デコーディング戦略を考案した。
提案手法は,2つの広く使用されているベンチマークデータセットの3変種に対して,より優れた一般化を実現することを示す実験結果を得た。
論文 参考訳(メタデータ) (2024-04-29T23:36:38Z) - Serving Deep Learning Model in Relational Databases [70.53282490832189]
リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。
最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。
UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
論文 参考訳(メタデータ) (2023-10-07T06:01:35Z) - 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) - RE$^2$: Region-Aware Relation Extraction from Visually Rich Documents [18.369611871952667]
本稿では,各ブロック間の領域レベルの空間構造を利用して関係予測を改善するRegion-Aware Relation extract (RE$2$)を提案する。
また、関係抽出タスクの固有の制約との整合性に向けてモデルを規則化するための制約目標も導入する。
論文 参考訳(メタデータ) (2023-05-24T00:07:40Z) - Learning Relation-Specific Representations for Few-shot Knowledge Graph
Completion [24.880078645503417]
本稿では,三重項のグラフコンテキストを利用して関係と実体のセマンティック情報を同時に取得する関係特化文脈学習フレームワークを提案する。
2つの公開データセットの実験結果は、RSCLが最先端のFKGC法より優れていることを示している。
論文 参考訳(メタデータ) (2022-03-22T11:45:48Z) - Learning to Compose Visual Relations [100.45138490076866]
我々は,各関係を非正規化密度(エネルギーベースモデル)として表現することを提案する。
このような分解を分解することで、複数の関係を持つシーンをより忠実に生成・編集できることを示す。
論文 参考訳(メタデータ) (2021-11-17T18:51:29Z) - Joint Constrained Learning for Event-Event Relation Extraction [94.3499255880101]
本稿では,イベント・イベント関係をモデル化するための制約付き協調学習フレームワークを提案する。
具体的には、このフレームワークは、複数の時間的および部分的関係内の論理的制約を強制する。
我々は,共同学習手法が,共同ラベル付きデータの欠如を効果的に補うことを示す。
論文 参考訳(メタデータ) (2020-10-13T22:45:28Z) - Intrinsic Relationship Reasoning for Small Object Detection [44.68289739449486]
画像やビデオの小さなオブジェクトは通常、独立した個人ではない。その代わりに、意味的および空間的レイアウトの関係を多かれ少なかれ提示する。
本稿では,オブジェクト間の固有意味と空間的レイアウトの関係をモデル化し,推論する,小さなオブジェクト検出のための新しいコンテキスト推論手法を提案する。
論文 参考訳(メタデータ) (2020-09-02T06:03:05Z) - Understanding Spatial Relations through Multiple Modalities [78.07328342973611]
オブジェクト間の空間的関係は、空間的前置詞として表されるか、移動、歩行、移動などの空間的動詞によって表される。
画像中の2つの実体間の暗黙的・明示的な空間的関係を推定するタスクを導入する。
本研究では、テキスト情報と視覚情報の両方を用いて空間関係を予測し、物体の位置情報と大きさ情報と画像埋め込みを利用するモデルを設計する。
論文 参考訳(メタデータ) (2020-07-19T01:35:08Z) - On Embeddings in Relational Databases [11.52782249184251]
低次元埋め込みを用いた関係データベースにおけるエンティティの分散表現学習の問題に対処する。
近年の埋め込み学習法は,すべてのテーブルの完全結合をリレーショナル化し,知識グラフとして表すことにより,データベースの完全非正規化を考慮に入れたナイーブな手法である。
本稿では,テーブル内の列の基本的なセマンティクスを利用して表現を学習する上で,関係結合と潜時関係を用いて,より優れた方法論を実証する。
論文 参考訳(メタデータ) (2020-05-13T17:21:27Z)
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。