論文の概要: Computer-Aided Layout Generation for Building Design: A Review
- arxiv url: http://arxiv.org/abs/2504.09694v1
- Date: Sun, 13 Apr 2025 19:00:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-15 16:51:53.624983
- Title: Computer-Aided Layout Generation for Building Design: A Review
- Title（参考訳）: 建築設計のためのコンピュータ支援レイアウト生成
- Authors: Jiachen Liu, Yuan Xue, Haomiao Ni, Rui Yu, Zihan Zhou, Sharon X. Huang,
- Abstract要約: 本稿では,アーキテクチャのレイアウト設計と生成に関する3つの主要な研究テーマについて概説する。
各トピックについて、研究領域(アーキテクチャまたは機械学習)またはユーザ入力条件または制約によって分類される主要なパラダイムの概要を示す。
- 参考スコア（独自算出の注目度）: 18.703604111298695
- License:
- Abstract: Generating realistic building layouts for automatic building design has been studied in both the computer vision and architecture domains. Traditional approaches from the architecture domain, which are based on optimization techniques or heuristic design guidelines, can synthesize desirable layouts, but usually require post-processing and involve human interaction in the design pipeline, making them costly and timeconsuming. The advent of deep generative models has significantly improved the fidelity and diversity of the generated architecture layouts, reducing the workload by designers and making the process much more efficient. In this paper, we conduct a comprehensive review of three major research topics of architecture layout design and generation: floorplan layout generation, scene layout synthesis, and generation of some other formats of building layouts. For each topic, we present an overview of the leading paradigms, categorized either by research domains (architecture or machine learning) or by user input conditions or constraints. We then introduce the commonly-adopted benchmark datasets that are used to verify the effectiveness of the methods, as well as the corresponding evaluation metrics. Finally, we identify the well-solved problems and limitations of existing approaches, then propose new perspectives as promising directions for future research in this important research area. A project associated with this survey to maintain the resources is available at awesome-building-layout-generation.
- Abstract（参考訳）: コンピュータビジョンとアーキテクチャ領域の両方において, 自動建築設計のための現実的な建築レイアウトの生成が研究されている。
最適化技術やヒューリスティックな設計ガイドラインに基づくアーキテクチャ領域からの伝統的なアプローチは、望ましいレイアウトを合成することができるが、通常、後処理を必要とし、設計パイプラインにヒューマンインタラクションを伴い、コストと時間を要する。
深層生成モデルの出現により、生成されたアーキテクチャレイアウトの忠実度と多様性が大幅に向上し、デザイナによる作業負荷が低減され、プロセスの効率化が図られた。
本稿では,建築レイアウトの設計と生成に関する3つの主要な研究テーマについて,フロアプランレイアウト生成,シーンレイアウト合成,建築レイアウトの他の形式の生成について概説する。
各トピックについて、研究領域(アーキテクチャまたは機械学習)またはユーザ入力条件または制約によって分類される主要なパラダイムの概要を示す。
次に,提案手法の有効性を検証するためのベンチマークデータセットと,対応する評価指標を紹介する。
最後に,本研究領域における今後の研究の方向性として新たな視点を提案する。
リソースの維持に関するこの調査に関連するプロジェクトは、素晴らしいビルド・レイアウト世代で利用可能です。
関連論文リスト
- SE-VGAE: Unsupervised Disentangled Representation Learning for Interpretable Architectural Layout Design Graph Generation [0.0]
本稿では,非教師付き非教師付き非教師付き表現学習フレームワーク,スタイルベースエッジ拡張変分グラフ自動エンコーダを提案する。
このフレームワークは、表現の絡み合いを優先順位付けしながら、属性付き隣接多重グラフの形式でアーキテクチャレイアウトを生成する。
実世界のフロアプラン画像から抽出した大規模レイアウトグラフデータセットのベンチマークに貢献する。
論文 参考訳（メタデータ） (2024-06-25T09:40:47Z) - PosterLLaVa: Constructing a Unified Multi-modal Layout Generator with LLM [58.67882997399021]
本研究では,グラフィックレイアウトの自動生成のための統合フレームワークを提案する。
データ駆動方式では、レイアウトを生成するために構造化テキスト(JSONフォーマット)とビジュアルインストラクションチューニングを用いる。
我々は,ユーザのデザイン意図に基づいて編集可能なポスターを生成する自動テキスト投稿システムを開発した。
論文 参考訳（メタデータ） (2024-06-05T03:05:52Z) - Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient [52.2669490431145]
PropEnは'matching'にインスパイアされている。
一致したデータセットによるトレーニングは、データ分布内に留まりながら、興味のある性質の勾配を近似することを示す。
論文 参考訳（メタデータ） (2024-05-28T11:30:19Z) - 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) - Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
本調査では,コンピュータ支援設計における学習手法の概要について概観する。
類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。
ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
論文 参考訳（メタデータ） (2024-02-27T17:11:35Z) - LayoutDETR: Detection Transformer Is a Good Multimodal Layout Designer [80.61492265221817]
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) - Computer vision-based analysis of buildings and built environments: A
systematic review of current approaches [0.98314893665023]
本稿では,建物と建築環境のコンピュータビジョンに基づく分析を初めて体系的に検討する。
これは現在の研究のギャップとトレンドを明らかにし、研究目的の2つの主要なカテゴリを強調している。
論文 参考訳（メタデータ） (2022-08-01T14:17:51Z) - Structural Design Recommendations in the Early Design Phase using
Machine Learning [6.071146161035648]
ApproxiFramerは機械学習ベースのシステムで、リアルタイムで構築計画のスケッチから構造的レイアウトを自動的に生成する。
我々は、スケッチレベルの建築計画のための構造設計ソリューションを反復的に生成するように、畳み込みニューラルネットワークを訓練した。
論文 参考訳（メタデータ） (2021-07-19T01:02:14Z) - 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) - House-GAN++: Generative Adversarial Layout Refinement Networks [37.60108582423617]
我々のアーキテクチャはグラフ制約付きGANと条件付きGANの統合であり、そこでは以前に生成されたレイアウトが次の入力制約となる。
我々の研究の驚くべき発見は、コンポーネントワイドGTコンディショニングと呼ばれる単純な非イテレーティブトレーニングプロセスが、そのようなジェネレータの学習に有効であることである。
論文 参考訳（メタデータ） (2021-03-03T18:15:52Z) - House-GAN: Relational Generative Adversarial Networks for
Graph-constrained House Layout Generation [59.86153321871127]
主な考え方は、制約をリレーショナルネットワークのグラフ構造にエンコードすることである。
我々は、新しい住宅レイアウト生成問題に対する提案されたアーキテクチャを実証した。
論文 参考訳（メタデータ） (2020-03-16T03:16:12Z)
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。