論文の概要: HypergraphFormer: Learning Hypergraphs from LLMs for Editable Floor Plan Generation
- arxiv url: http://arxiv.org/abs/2605.18932v2
- Date: Fri, 22 May 2026 18:28:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 16:32:37.739481
- Title: HypergraphFormer: Learning Hypergraphs from LLMs for Editable Floor Plan Generation
- Title（参考訳）: HypergraphFormer: 編集可能なフロアプラン生成のためのLLMからのハイパーグラフ学習
- Authors: Nikita Klimenko, Hesam Salehipour, Parham Eftekhar, Amir Khasahmadi, Ramon Elias Weber,
- Abstract要約: 大規模言語モデル(LLM)を用いたハイパーグラフ表現の学習に基づくフロアプラン生成のための新しい手法を提案する。
提案手法は高い編集性を提供し,LLMによる設計指向に適していることを示す。
- 参考スコア（独自算出の注目度）: 0.8699280339422538
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we propose HypergraphFormer, a novel and efficient approach to floor plan generation based on learning hypergraph representations with a large language model (LLM). The model is trained via supervised fine-tuning to generate a hypergraph-based textual representation that encodes spatial relationships and connectivity information within floor plans. We train and evaluate our approach on the RPLAN dataset, and further demonstrate its generalizability on a separate out-of-distribution dataset, which we release in this paper. Our method outperforms state-of-the-art techniques based on rasterized or vectorized representations across a diverse set of metrics. We also show improved data efficiency, particularly under distribution shift. The hypergraph formulation enables the generation of floor plans for arbitrary, irregular, user-specified boundaries by decoupling apartment footprints from their functional and geometric subdivisions. Furthermore, we show that the proposed methodology offers a high degree of editability, making it particularly well suited to design-oriented workflows supported by LLMs.
- Abstract（参考訳）: 本研究では,大規模言語モデル(LLM)を用いたハイパーグラフ表現の学習に基づく,フロアプラン生成の新規かつ効率的なアプローチであるHypergraphFormerを提案する。
このモデルは教師付き微調整によって訓練され、フロアプラン内の空間的関係と接続情報をエンコードするハイパーグラフベースのテキスト表現を生成する。
我々はRPLANデータセットに対する我々のアプローチを訓練し、評価し、また、この論文でリリースした別のアウト・オブ・ディストリビューションデータセット上で、その一般化可能性をさらに実証する。
本手法は,様々な指標の集合にまたがって,ラスタライズされた,あるいはベクトル化された表現に基づく最先端技術より優れる。
また、特に分散シフト下では、データ効率も改善した。
ハイパーグラフの定式化により、機能的および幾何学的区分からアパートのフットプリントを分離することで、任意の不規則なユーザ指定境界のためのフロアプランを作成することができる。
さらに,提案手法は高い編集性を提供し,LLMがサポートする設計指向ワークフローに特に適していることを示す。
関連論文リスト
- Tracing the Roots: A Multi-Agent Framework for Uncovering Data Lineage in Post-Training LLMs [81.43302841109349]
学習後のデータは、大規模言語モデル(LLM)の機能を形成する上で重要な役割を果たす
本稿では,データセット開発における進化グラフを再構築する自動マルチエージェントフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-12T06:24:07Z) - Unified Vector Floorplan Generation via Markup Representation [36.228613615394856]
本稿ではフロアプランマークアップ言語(FML)を紹介し,フロアプラン情報を単一構造文法内にエンコードする表現について述べる。
本研究では,多種多様な条件下で高忠実かつ機能的なフロアプランを生成可能なトランスフォーマーベース生成モデルFMLMを開発した。
論文 参考訳（メタデータ） (2026-04-06T17:04:30Z) - Semi-supervised Instruction Tuning for Large Language Models on Text-Attributed Graphs [62.544129365882014]
本稿では,SIT-Graph というグラフ学習用セミ教師付きインストラクションチューニングパイプラインを提案する。
SIT-Graphはモデルに依存しず、LSMを予測子として利用するグラフ命令チューニングメソッドにシームレスに統合することができる。
SIT-Graphは、最先端グラフチューニング手法に組み込むと、テキスト分散グラフベンチマークの性能を大幅に向上することを示した。
論文 参考訳（メタデータ） (2026-01-19T08:10:53Z) - START: Spatial and Textual Learning for Chart Understanding [11.769123092079203]
chART理解のための空間的およびテクスチャ的学習であるSTARTを提案する。
i) チャート要素のグラウンド化と (ii) チャートからコードへの生成を導入し, チャートの視覚的レイアウトとデータ詳細に関するMLLMの理解を深める。
コード、データ、モデルは公開されます。
論文 参考訳（メタデータ） (2025-12-08T05:43:14Z) - Training Large Recommendation Models via Graph-Language Token Alignment [53.3142545812349]
本稿では,グラフ言語トークンアライメントによる大規模推薦モデルのトレーニングを行う新しいフレームワークを提案する。
インタラクショングラフからアイテムとユーザノードを事前訓練されたLLMトークンにアライメントすることで、GLTAはLLMの推論能力を効果的に活用する。
さらに、エンドツーエンドのアイテム予測のためのトークンアライメントを最適化するために、GLLM(Graph-Language Logits Matching)を導入する。
論文 参考訳（メタデータ） (2025-02-26T02:19:10Z) - Plan-over-Graph: Towards Parallelable LLM Agent Schedule [53.834646147919436]
大規模言語モデル(LLM)はタスク計画の推論において例外的な能力を示した。
本稿では,まず実生活のテキストタスクを実行可能なサブタスクに分解し,抽象的なタスクグラフを構築する,新しいパラダイムであるプランオーバーグラフを提案する。
モデルはこのタスクグラフを入力として理解し、並列実行計画を生成する。
論文 参考訳（メタデータ） (2025-02-20T13:47:51Z) - HyperQuery: Beyond Binary Link Prediction [0.7100520098029438]
ノードレベルのクラスタリングを用いた新しい特徴抽出手法を導入し,ノードレベルのラベルからのデータの統合によってシステム性能が向上することを示す。
我々の自己教師型アプローチは、いくつかのハイパーエッジ予測と知識ハイパーグラフ補完ベンチマークに基づいて、アートベースラインの状態を大幅に改善する。
論文 参考訳（メタデータ） (2025-01-13T22:46:24Z) - ChartAdapter: Large Vision-Language Model for Chart Summarization [13.499376163294816]
ChartAdapterは、チャートとテキスト要約の間のギャップを埋めるために設計された軽量トランスフォーマーモジュールである。
LLMとChartAdapterを統合することで、エンドツーエンドのトレーニングと効率的なチャート要約を可能にします。
論文 参考訳（メタデータ） (2024-12-30T05:07:34Z) - ChartLlama: A Multimodal LLM for Chart Understanding and Generation [70.1393163657813]
GPT-4を利用した高品質な命令チューニングデータセットを作成する。
次に、生成したデータセットを使ってトレーニングしたマルチモーダルな大規模言語モデルであるChartLlamaを紹介します。
論文 参考訳（メタデータ） (2023-11-27T15:20:23Z) - Hypergraph Random Walks, Laplacians, and Clustering [9.488853155989615]
最近提案されたランダムウォークに基づくハイパーグラフ構造化データのクラスタリングのためのフレキシブルなフレームワークを提案する。
提案手法は,高品質なクラスタを創出し,今後の作業への道のりを強調して結論付ける。
論文 参考訳（メタデータ） (2020-06-29T20:58:15Z) - Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。
グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。
計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2020-03-23T12:28:07Z)
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。