論文の概要: Boundary-Constrained Diffusion Models for Floorplan Generation: Balancing Realism and Diversity

• arxiv url: http://arxiv.org/abs/2602.01949v1
• Date: Mon, 02 Feb 2026 10:59:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:34.092113
• Title: Boundary-Constrained Diffusion Models for Floorplan Generation: Balancing Realism and Diversity
• Title（参考訳）: フロープラン生成のための境界制約付き拡散モデル:現実性と多様性のバランスをとる
• Authors: Leonardo Stoppani, Davide Bacciu, Shahab Mokarizadeh,
• Abstract要約: 本稿では,一定の制約下でのレイアウトの多様性を定量化する尺度であるDiversity Score(DS)を提案する。 また,建築境界の条件付けを可能にするBCAモジュールも導入した。 実験の結果,BCAは境界の付着性を著しく改善する一方,長期トレーニングは多様性の崩壊を未診断にすることがわかった。
• 参考スコア（独自算出の注目度）: 17.825125354934556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion models have become widely popular for automated floorplan generation, producing highly realistic layouts conditioned on user-defined constraints. However, optimizing for perceptual metrics such as the Fréchet Inception Distance (FID) causes limited design diversity. To address this, we propose the Diversity Score (DS), a metric that quantifies layout diversity under fixed constraints. Moreover, to improve geometric consistency, we introduce a Boundary Cross-Attention (BCA) module that enables conditioning on building boundaries. Our experiments show that BCA significantly improves boundary adherence, while prolonged training drives diversity collapse undiagnosed by FID, revealing a critical trade-off between realism and diversity. Out-Of-Distribution evaluations further demonstrate the models' reliance on dataset priors, emphasizing the need for generative systems that explicitly balance fidelity, diversity, and generalization in architectural design tasks.
• Abstract（参考訳）: 拡散モデルは自動フロアプラン生成において広く普及し、ユーザ定義の制約に照らされた非常に現実的なレイアウトを生成する。 しかしながら、Fréchet Inception Distance (FID)のような知覚的メトリクスの最適化は、設計の多様性を制限している。 そこで本稿では,一定の制約下でのレイアウトの多様性を定量化する尺度であるDiversity Score(DS)を提案する。 さらに, 幾何学的整合性を改善するため, 建物境界の条件付けを可能にするBCA (Bundary Cross-Attention) モジュールを導入する。 実験の結果,BCAは境界適合性を大幅に向上する一方,長期トレーニングはFIDで診断されない多様性の崩壊を招き,現実主義と多様性の間に重要なトレードオフがあることが判明した。 Out-Of-Distributionの評価は、モデルがデータセットの事前に依存していることをさらに示しており、アーキテクチャ設計タスクにおける忠実さ、多様性、一般化を明確にバランスさせる生成システムの必要性を強調している。

関連論文リスト

• Top 10 Open Challenges Steering the Future of Diffusion Language Model and Its Variants [85.33837131101342]
  本稿では,基盤基盤,アルゴリズム最適化,認知推論,統合マルチモーダルインテリジェンスという4つの柱で構成された戦略ロードマップを提案する。 この移行は、複雑な構造的推論、動的自己補正、シームレスなマルチモーダル統合が可能な次世代AIの開発に不可欠である、と我々は主張する。
  論文  参考訳（メタデータ） (2026-01-20T14:58:23Z)
• Beyond the Dirac Delta: Mitigating Diversity Collapse in Reinforcement Fine-Tuning for Versatile Image Generation [51.305316234962554]
  textbfDRIFT(textbfDivetextbfRsity-textbfIncentivized Reinforcement textbfFine-textbfTuning for Versatile Image Generation)を提案する。 DRIFTはタスクアライメントとジェネレーションの多様性に関して優れた優位性を達成し、9.08%!sim! 43.46%$多様性等価アライメントレベルの増加と59.65ドルとなる。
  論文  参考訳（メタデータ） (2026-01-18T13:25:43Z)
• ABounD: Adversarial Boundary-Driven Few-Shot Learning for Multi-Class Anomaly Detection [24.691181948844136]
  ABversaounDは、マルチクラス異常検出のためのAdrial Boundary-Driven few-shot Learningフレームワークである。 意味論的概念学習と意思決定境界形成を統合している。 MVTec-ADとVisAデータセットの実験は、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-11-27T13:18:22Z)
• An Integrated Fusion Framework for Ensemble Learning Leveraging Gradient Boosting and Fuzzy Rule-Based Models [59.13182819190547]
  ファジィ規則に基づくモデルは解釈可能性に優れ、様々な分野に広く応用されている。 複雑な設計仕様や大規模データセットのスケーラビリティといった課題に直面している。 本稿では,モデル性能と解釈可能性を高めるために,両パラダイムの強みを融合した統合統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-11T10:28:23Z)
• Adaptive Neighborhood-Constrained Q Learning for Offline Reinforcement Learning [52.03884701766989]
  オフライン強化学習(RL)アルゴリズムは、通常、アクション選択に制約を課す。 本稿では,Bellmanターゲットにおける行動選択を,データセットアクションの近傍の結合に制限する新しい地区制約を提案する。 我々は,この制約を満たす目標動作を用いてQ学習を行うための,単純で効果的なアルゴリズムであるAdaptive Neighborhood-Constrained Q Learning(ANQ)を開発した。
  論文  参考訳（メタデータ） (2025-11-04T13:42:05Z)
• Deep Active Inference Agents for Delayed and Long-Horizon Environments [1.693200946453174]
  AIFエージェントは、遅れた環境で悪化する制限である正確な即時予測と徹底的な計画に依存している。 本稿では,複数段階の遅延遷移を特徴とする生成型政治アーキテクチャを提案する。 我々は,遅延と長期化の設定で現実的な産業シナリオを模倣した環境におけるエージェントの評価を行った。
  論文  参考訳（メタデータ） (2025-05-26T11:50:22Z)
• Gradient-Free Generation for Hard-Constrained Systems [41.558608119074755]
  既存の制約付き生成モデルは勾配情報に大きく依存しており、いくつかの分野において計算コストが低い場合が多い。 本稿では,ゼロショット方式で制約を正確に満たすために,事前学習された非拘束フローマッチングモデルを適用するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-02T18:36:26Z)
• Improved Variational Inference in Discrete VAEs using Error Correcting Codes [3.053842954605396]
  本研究は, 離散変分オートエンコーダにおける推論を, 生成的視点で解釈することで改善する手法を提案する。 我々は,このモデルを通信システムとして概念化し,誤り訂正符号(ECC)を利用して潜在表現に冗長性を導入することを提案する。 本稿では,2変数の潜伏変数と低複素度繰り返し符号を持つ離散変分オートコーダを用いて概念実証を行い,グローバルおよびローカルなデータ特徴を分離する階層構造に拡張する。
  論文  参考訳（メタデータ） (2024-10-10T11:59:58Z)
• Source-free Domain Adaptation Requires Penalized Diversity [60.04618512479438]
  ソースデータがない場合、異なるドメイン間の知識伝達に対処するために、ソースフリードメイン適応(SFDA)が導入された。 教師なしのFDAでは、多様性はソース上の1つの仮説を学習するか、共有された特徴抽出器で複数の仮説を学習することに限定される。 本稿では,異なる特徴抽出器を用いて表現多様性を促進する新しい無教師付きSFDAアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-06T00:20:19Z)

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。