論文の概要: DecoMind: A Generative AI System for Personalized Interior Design Layouts
- arxiv url: http://arxiv.org/abs/2508.16696v1
- Date: Fri, 22 Aug 2025 00:01:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-26 18:43:45.129678
- Title: DecoMind: A Generative AI System for Personalized Interior Design Layouts
- Title（参考訳）: DecoMind: 個人化されたインテリアデザインレイアウトのための生成AIシステム
- Authors: Reema Alshehri, Rawan Alotaibi, Leen Almasri, Rawan Altaweel,
- Abstract要約: 本稿では,部屋の種類,スタイル,家具の好みといったユーザ入力に基づいて内部設計レイアウトを生成するシステムを提案する。
CLIPはデータセットから関連する家具を抽出し、家具とプロンプトを含むレイアウトをStable Diffusion with ControlNetに供給し、選択した家具を組み込んだデザインを生成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces a system for generating interior design layouts based on user inputs, such as room type, style, and furniture preferences. CLIP extracts relevant furniture from a dataset, and a layout that contains furniture and a prompt are fed to Stable Diffusion with ControlNet to generate a design that incorporates the selected furniture. The design is then evaluated by classifiers to ensure alignment with the user's inputs, offering an automated solution for realistic interior design.
- Abstract（参考訳）: 本稿では,部屋の種類,スタイル,家具の好みといったユーザ入力に基づいて内部設計レイアウトを生成するシステムを提案する。
CLIPはデータセットから関連する家具を抽出し、家具とプロンプトを含むレイアウトをStable Diffusion with ControlNetに供給し、選択した家具を組み込んだデザインを生成する。
設計は分類器によって評価され、ユーザの入力と整合性を確保し、リアルなインテリアデザインのための自動化されたソリューションを提供する。
関連論文リスト
- 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) - 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) - RoomDesigner: Encoding Anchor-latents for Style-consistent and
Shape-compatible Indoor Scene Generation [26.906174238830474]
室内シーン生成は、空間的に合理的なレイアウトで形状に整合したスタイルの家具配置を作成することを目的としている。
家具をアンカーラテント表現としてエンコードすることで,形状先行を室内シーン生成に組み込む2段階モデルを提案する。
論文 参考訳（メタデータ） (2023-10-16T03:05:19Z) - PosterLayout: A New Benchmark and Approach for Content-aware
Visual-Textual Presentation Layout [62.12447593298437]
コンテンツ対応視覚テキスト提示レイアウトは,所定のキャンバス上の空間空間を予め定義された要素にアレンジすることを目的としている。
本稿では,設計過程を模倣するためにレイアウトの要素を再編成する設計シーケンス形成(DSF)を提案する。
CNN-LSTMに基づく新しい条件生成対向ネットワーク(GAN)を提示し、適切なレイアウトを生成する。
論文 参考訳（メタデータ） (2023-03-28T12:48:36Z) - 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) - Deep Reinforcement Learning for Producing Furniture Layout in Indoor
Scenes [3.4447129363520332]
工業用インテリアデザインのプロセスでは、プロのデザイナーが部屋の家具のサイズと位置を計画し、販売に適したデザインを実現する。
深層強化学習によって解決されるマルコフ決定プロセス(MDP)として、インテリアシーン設計タスクを探索します。
本研究では,提案モデルが最新モデルと比較して高い品質のレイアウトが得られることを実証した。
論文 参考訳（メタデータ） (2021-01-19T04:38:58Z) - Deep Layout of Custom-size Furniture through Multiple-domain Learning [6.259404056725123]
提案されたモデルは,ディープレイアウトモジュール,ドメイン注意モジュール,次元ドメイン転送モジュール,エンドエンドトレーニングにおけるカスタムサイズのモジュールを組み合わせたものだ。
私たちは、プロのデザイナーによる7万10700ドルのデザインを含む、現実世界の内部レイアウトデータセットで実験を行います。
論文 参考訳（メタデータ） (2020-12-15T07:32:13Z) - Structural Plan of Indoor Scenes with Personalized Preferences [15.025764749987486]
提案モデルでは,不動産所有者の好みに応じて,特定の屋内シーンのオブジェクトのレイアウトを自動的に生成することができる。
プロのデザイナーによるリアルな11000のデザインを含むインテリアレイアウトデータセットを提供する。
論文 参考訳（メタデータ） (2020-08-04T04:46:19Z)
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。