論文の概要: Text-to-Layout: A Generative Workflow for Drafting Architectural Floor Plans Using LLMs

• arxiv url: http://arxiv.org/abs/2509.00543v1
• Date: Sat, 30 Aug 2025 16:04:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.277852
• Title: Text-to-Layout: A Generative Workflow for Drafting Architectural Floor Plans Using LLMs
• Title（参考訳）: Text-to-Layout: LLMを用いた建築床計画作成ワークフロー
• Authors: Jayakrishna Duggempudi, Lu Gao, Ahmed Senouci, Zhe Han, Yunpeng Zhang,
• Abstract要約: 本稿では,Large Language Models (LLMs) を用いたAIを活用したワークフローを提案する。 提案システムはテキスト入力を解釈し,壁,ドア,窓,家具などのレイアウトを自動生成する。 プロンプトエンジニアリング、家具配置改善アルゴリズム、Pythonスクリプティングを組み合わせて、Autodesk Revitのようなデザインツールと互換性のある空間的に一貫性のあるドラフトプランを生成する。
• 参考スコア（独自算出の注目度）: 12.14091375810405
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents the development of an AI-powered workflow that uses Large Language Models (LLMs) to assist in drafting schematic architectural floor plans from natural language prompts. The proposed system interprets textual input to automatically generate layout options including walls, doors, windows, and furniture arrangements. It combines prompt engineering, a furniture placement refinement algorithm, and Python scripting to produce spatially coherent draft plans compatible with design tools such as Autodesk Revit. A case study of a mid-sized residential layout demonstrates the approach's ability to generate functional and structured outputs with minimal manual effort. The workflow is designed for transparent replication, with all key prompt specifications documented to enable independent implementation by other researchers. In addition, the generated models preserve the full range of Revit-native parametric attributes required for direct integration into professional BIM processes.
• Abstract（参考訳）: 本稿では,Large Language Models (LLMs) を用いて,自然言語のプロンプトからアーキテクチャのフロアプランを作成するためのAIワークフローの開発について述べる。 提案システムはテキスト入力を解釈し,壁,ドア,窓,家具などのレイアウトを自動生成する。 プロンプトエンジニアリング、家具配置改善アルゴリズム、Pythonスクリプティングを組み合わせて、Autodesk Revitのようなデザインツールと互換性のある空間的に一貫性のあるドラフトプランを生成する。 中規模の住宅レイアウトのケーススタディでは、最小限の手作業で機能的および構造的なアウトプットを生成するアプローチの能力を実証している。 ワークフローは透過的なレプリケーションのために設計されており、他の研究者による独立した実装を可能にするために、すべてのキープロンプト仕様が文書化されている。 さらに、生成されたモデルは、プロのBIMプロセスへの直接統合に必要なRevit-nativeパラメトリック属性の全範囲を保存する。

関連論文リスト

• APT: Architectural Planning and Text-to-Blueprint Construction Using Large Language Models for Open-World Agents [8.479128275067742]
  本稿では,自律型エージェントによるMinecraftの複雑な構造構築を可能にする,LLM(Large Language Model)駆動のフレームワークを提案する。 連鎖分解とマルチモーダル入力を用いることで、このフレームワークは詳細なアーキテクチャレイアウトと青写真を生成する。 本エージェントは, メモリとリフレクションモジュールの両方を組み込んで, 生涯学習, 適応的洗練, エラー訂正を容易にする。
  論文  参考訳（メタデータ） (2024-11-26T09:31:28Z)
• GLDesigner: Leveraging Multi-Modal LLMs as Designer for Enhanced Aesthetic Text Glyph Layouts [53.568057283934714]
  本稿では,コンテンツ対応のテキストロゴレイアウトを生成するVLM(Vision-Language Model)ベースのフレームワークを提案する。 本稿では,複数のグリフ画像を同時に処理するための計算コストを削減する2つのモデル手法を提案する。 本モデルでは,既存の公開データセットの5倍の広義のテキストロゴデータセットを2つ構築する。
  論文  参考訳（メタデータ） (2024-11-18T10:04:10Z)
• Flex: End-to-End Text-Instructed Visual Navigation from Foundation Model Features [59.892436892964376]
  本稿では,視覚に基づく制御ポリシを用いて,ロバストな閉ループ性能を実現するために必要な最小限のデータ要件とアーキテクチャ適応について検討する。 この知見はFlex (Fly lexically) で合成され, 凍結パッチワイド特徴抽出器として, 事前学習された視覚言語モデル (VLM) を用いたフレームワークである。 本研究では,本手法の有効性を,行動クローンによる訓練を実世界のシーンに応用した,四重項フライ・トゥ・ターゲットタスクに適用した。
  論文  参考訳（メタデータ） (2024-10-16T19:59:31Z)
• 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)

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。