論文の概要: BIMStruct3D: A Fully Automated Hybrid Learning Scan-to-BIM Pipeline with Integrated Topology Refinement

• arxiv url: http://arxiv.org/abs/2604.24311v2
• Date: Tue, 05 May 2026 10:37:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 14:45:21.040954
• Title: BIMStruct3D: A Fully Automated Hybrid Learning Scan-to-BIM Pipeline with Integrated Topology Refinement
• Title（参考訳）: BIMStruct3D:統合トポロジリファインメントによる完全自動ハイブリッド学習Scan-to-BIMパイプライン
• Authors: Mahdi Chamseddine, Fabian Kaufmann, Marius Schellen, Christian Glock, Didier Stricker, Jason Rambach,
• Abstract要約: IFC準拠のビルディングインフォメーションモデルを生成するモジュールパイプラインを3次元の点群から提案する。 ハイブリッドアプローチは、学習に基づくセマンティックセグメンテーションと、トポロジを意識した幾何学的再構成を組み合わせたものである。 DeKHとCV4AECデータセットの実験は、RANSACベースのベースラインよりも大幅に改善されている。
• 参考スコア（独自算出の注目度）: 13.23291316265073
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Automatic generation of Building Information Models (BIM) from building scans is a key challenge in architecture and construction. We present a modular pipeline for generating IFC-compliant BIM from 3D point clouds. The hybrid approach combines learning-based semantic segmentation with topology-aware geometric reconstruction to model structural elements accurately. We propose vIoU, adapting voxel-based overlap evaluation to Scan-to-BIM by enabling holistic, instance-matching-free comparison of reconstructed and ground-truth models. We release the German Hospital dataset (DeKH), including high-resolution point clouds, ground truth BIMs, and semantic annotations. Experiments on DeKH and CV4AEC datasets show significant improvements over a RANSAC-based baseline, demonstrating robustness and scalability.
• Abstract（参考訳）: ビルディング・スキャンからビルディング・インフォメーション・モデル(BIM)の自動生成は、建築と建設において重要な課題である。 3次元点雲からIFC準拠のBIMを生成するモジュールパイプラインを提案する。 ハイブリッドアプローチは、学習に基づくセマンティックセグメンテーションとトポロジを意識した幾何学的再構成を組み合わせて、構造的要素を正確にモデル化する。 Scan-to-BIMにボクセルによる重み付け評価を適用した vIoU を提案する。 ドイツ病院のデータセット(DeKH)には、高解像度の点雲、地上の真理BIM、セマンティックアノテーションが含まれています。 DeKHとCV4AECデータセットの実験では、RANSACベースのベースラインよりも大幅に改善され、堅牢性とスケーラビリティが実証された。

関連論文リスト

• A Persistent Homology Design Space for 3D Point Cloud Deep Learning [5.810033007426438]
  Persistent Homology (PH)は、本質的な形状の安定なマルチスケール記述子を提供する。 強力な理論的保証と経験的採用の増大にもかかわらず、ポイントクラウドのためのディープラーニングへの統合は、概してアドホックであり、アーキテクチャ的にも周辺的である。 本研究では,3次元点群における永続-ホモロジー駆動学習のための統一設計空間を提案する。
  論文  参考訳（メタデータ） (2026-04-05T22:38:37Z)
• Tokenizing Buildings: A Transformer for Layout Synthesis [0.6524460254566904]
  Small Building Model (SBM) は、ビル情報モデリングシーンにおけるレイアウト合成のためのトランスフォーマーベースのアーキテクチャである。 建築要素の異質な特徴集合をシーケンスに統一することで、どのように建物をトークン化するかという問題に対処する。 我々は,1つのトランスフォーマーバックボーンを2つのモードでトレーニングする: エンコーダのみの経路で高忠実度部屋埋め込みを発生させ,エンコーダ-デコーダパイプラインで部屋エンティティの自動回帰予測を行う。
  論文  参考訳（メタデータ） (2025-12-04T14:16:09Z)
• Integrating BIM and UAV-based photogrammetry for Automated 3D Structure Model Segmentation [5.291432638550888]
  本稿では,3Dポイントクラウドの自動セグメンテーションのための機械学習ベースのフレームワークを提案する。 提案手法では,実際のUAVスキャン点雲とビルディングインフォメーション・モデリングから生成された合成データの相補的強度を利用する。 鉄道線路データセットの検証は、レールや交差線などの主要部品の同定と分断において高い精度を示した。
  論文  参考訳（メタデータ） (2025-10-20T14:54:54Z)
• Flow-Matching Guided Deep Unfolding for Hyperspectral Image Reconstruction [53.26903617819014]
  Flow-Matching-Guided Unfolding Network (FMU)は、最初にフローマッチングをHSI再構成に統合する。 学習力学をさらに強化するために,平均速度損失を導入する。 シミュレーションと実データの両方の実験により、FMUは復元品質において既存のアプローチよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2025-10-02T11:32:00Z)
• Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
  我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。 提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。 本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
  論文  参考訳（メタデータ） (2025-06-26T11:53:59Z)
• Towards Automating the Retrospective Generation of BIM Models: A Unified Framework for 3D Semantic Reconstruction of the Built Environment [0.0]
  情報モデリングの構築は建設プロジェクトで有益である。 しかし、3Dモデルの詳細をBIMに変換する統一的でスケーラブルなフレームワークがないため、課題に直面している。 本稿では,BIM生成のための統合意味再構築アーキテクチャであるSR BIMを紹介する。
  論文  参考訳（メタデータ） (2024-06-03T16:07:41Z)
• Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
  我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。 本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。 我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T16:33:12Z)
• Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
  構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。 近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
  論文  参考訳（メタデータ） (2023-06-20T14:21:58Z)
• A diverse large-scale building dataset and a novel plug-and-play domain generalization method for building extraction [2.578242050187029]
  リモートセンシング画像からのビルディング抽出の開発を容易にするために,新しいビルディングデータセットを導入し,新しい領域一般化手法を提案する。 WHU-Mixビルディングデータセットは、世界中から収集された43,727の多様な画像を含むトレーニング/検証セットと、5大陸5都市からの8402の画像を含むテストセットで構成されている。 建物抽出モデルの一般化能力をさらに向上するために,バッチ型混合(BSM)というドメイン一般化手法を提案する。
  論文  参考訳（メタデータ） (2022-08-22T01:43:13Z)
• Revealing the Invisible with Model and Data Shrinking for Composite-database Micro-expression Recognition [49.463864096615254]
  入力複雑性とモデル複雑性を含む学習複雑性の影響を分析する。 より浅層構造と低分解能入力データを探索する再帰畳み込みネットワーク(RCN)を提案する。 学習可能なパラメータを増やさなくてもRCNと統合できる3つのパラメータフリーモジュールを開発した。
  論文  参考訳（メタデータ） (2020-06-17T06:19:24Z)

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。