論文の概要: What a Comfortable World: Ergonomic Principles Guided Apartment Layout Generation
- arxiv url: http://arxiv.org/abs/2604.08411v1
- Date: Thu, 09 Apr 2026 16:11:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-10 18:34:06.017014
- Title: What a Comfortable World: Ergonomic Principles Guided Apartment Layout Generation
- Title（参考訳）: 快適な世界とは? エルゴノミクスの原理でアパートのレイアウト生成をガイド
- Authors: Piotr Nieciecki, Aleksander Plocharski, Przemyslaw Musialski,
- Abstract要約: アーキテクチャ設計の原則を直接変換器に基づく生成プロセスに統合する,新しいアプローチを提案する。
トレーニング中にこれらのエルゴノミクス前駆体を用いてモデルを誘導することにより,リビビリティ指標を大幅に改善したレイアウトを生成する。
- 参考スコア（独自算出の注目度）: 42.698418800007865
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current data-driven floor plan generation methods often reproduce the ergonomic inefficiencies found in real-world training datasets. To address this, we propose a novel approach that integrates architectural design principles directly into a transformer-based generative process. We formulate differentiable loss functions based on established architectural standards from literature to optimize room adjacency and proximity. By guiding the model with these ergonomic priors during training, our method produces layouts with significantly improved livability metrics. Comparative evaluations show that our approach outperforms baselines in ergonomic compliance while maintaining high structural validity.
- Abstract（参考訳）: 現在のデータ駆動フロアプラン生成手法は、実世界のトレーニングデータセットに見られるエルゴノミクスの非効率性を再現することが多い。
そこで本研究では,アーキテクチャ設計の原則をトランスフォーマーに基づく生成プロセスに直接組み込む新しいアプローチを提案する。
部屋の隣接度と近接度を最適化するために、文献から確立された建築基準に基づいて、微分可能な損失関数を定式化する。
トレーニング中にこれらのエルゴノミクス前駆体を用いてモデルを誘導することにより,リビビリティ指標を大幅に改善したレイアウトを生成する。
比較評価の結果,本手法は高い構造的妥当性を維持しつつ,エルゴノミクスコンプライアンスのベースラインを上回っていることがわかった。
関連論文リスト
- Revisiting the Generic Transformer: Deconstructing a Strong Baseline for Time Series Foundation Models [18.841505010078112]
本稿では,標準パッチ変換器の可能性について検討し,最先端のゼロショット予測性能を実現することを実証する。
我々は,モデルスケーリング,データ合成,トレーニング技術を網羅的に研究し,高パフォーマンスに必要な材料を分離する。
論文 参考訳（メタデータ） (2026-02-06T18:01:44Z) - Toward using explainable data-driven surrogate models for treating performance-based seismic design as an inverse engineering problem [0.0]
本研究では, 逆工学的問題として, 性能に基づく耐震設計を扱う手法を提案する。
説明可能な機械学習モデルを実装することで、この方法論は、設計変数とパフォーマンスメトリクスを直接マッピングする。
開発された手法は、ロサンゼルスとチャールストンの鋼鉄とコンクリートモーメントフレームの2つの異なる在庫に適用される。
論文 参考訳（メタデータ） (2025-08-01T03:08:19Z) - Learning Design-Score Manifold to Guide Diffusion Models for Offline Optimization [15.663508678977468]
本稿では,設計スコア多様体を学習する拡散型フレームワークであるManGOを紹介する。
ManGOは、トレーニングデータ以外の一般化を実現するために、設計スコアの相互依存を全体的に統一する。
様々な領域にわたる24の単目的と10の多目的の最適化手法より優れている。
論文 参考訳（メタデータ） (2025-06-06T02:11:10Z) - STAR: Synthesis of Tailored Architectures [61.080157488857516]
本稿では, 適合型アーキテクチャ (STAR) の新規な合成手法を提案する。
提案手法は線形入力可変系の理論に基づく新しい探索空間を結合し,階層的な数値エンコーディングをアーキテクチャゲノムに支持する。STARゲノムは,複数のモデル品質と効率の指標に最適化するために,勾配のない進化的アルゴリズムで自動的に精製・組換えされる。
STARを用いて、多種多様な計算単位と相互接続パターンを活用し、品質、パラメータサイズ、および自動回帰言語モデリングのための推論キャッシュのフロンティアにおける高度に最適化されたトランスフォーマーとストライプハイブリッドモデルを改善する。
論文 参考訳（メタデータ） (2024-11-26T18:42:42Z) - Aligning Optimization Trajectories with Diffusion Models for Constrained
Design Generation [17.164961143132473]
本稿では,拡散モデルのサンプリング軌跡と従来の物理法に基づく最適化軌跡との整合性を示す学習フレームワークを提案する。
提案手法では,高コストプリプロセッシングや外部サロゲートモデル,ラベル付きデータの追加を必要とせずに,実用的で高性能な設計を2段階で生成することができる。
この結果から, TAは分布内構成における最先端の深層生成モデルより優れ, 推論計算コストを半減することがわかった。
論文 参考訳（メタデータ） (2023-05-29T09:16:07Z) - End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。
我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
論文 参考訳（メタデータ） (2023-05-25T10:58:46Z) - On the Trend-corrected Variant of Adaptive Stochastic Optimization
Methods [30.084554989542475]
本稿では,適応的なステップサイズと勾配でパラメータを更新する際のトレンド情報を備えたAdam型手法の新しいフレームワークを提案する。
我々は,従来のAdamおよびAMSGradメソッドを,複数の実世界のデータセットを持つ古典的モデル上で常に上回る,トレンドコンポーネントを追加することの重要性を実証的に示す。
論文 参考訳（メタデータ） (2020-01-17T01:23:23Z)
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。