論文の概要: GRE-Diff: Gaussian Room Embeddings for Structured Layout Diffusion
- arxiv url: http://arxiv.org/abs/2607.08086v1
- Date: Thu, 09 Jul 2026 03:41:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-10 14:45:27.407297
- Title: GRE-Diff: Gaussian Room Embeddings for Structured Layout Diffusion
- Title（参考訳）: GRE-Diff:構造的レイアウト拡散のためのガウス室埋め込み
- Abstract要約: GRE-Diffは、アパートのフロアプランの作成と編集を自動化する、制御可能でインタラクティブな拡散ベースのフレームワークである。
AI生成された提案とリアルタイムの人文編集を組み合わせることで、ユーザーは部屋の種類、部屋数、境界形状、編集操作を指定できる。
その後、改良のための多種多様な可塑性かつよく構造化された設計を創出する。
- 参考スコア（独自算出の注目度）: 12.298384256265
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Designing functional and aesthetically coherent floor plans requires exploring a vast space of possible room arrangements, a task that quickly becomes overwhelming for human designers. In this paper, we propose GRE-Diff, a controllable and interactive diffusion-based framework that automates the creation and editing of apartment floor plans under user-specified constraints. By combining AI-generated suggestions with real-time, human-in-the-loop editing, the system enables users to specify room types, room counts, boundary shapes, and editing operations through LLM-parsed instructions or GUI-based interaction. It then generates a diverse set of plausible and well-structured designs for refinement. At the core of our approach is Gaussian Room Embedding (GRE), a continuous latent representation that models each room as a spatial Gaussian distribution capturing its location and extent. Extensive experiments on the RPLAN dataset show that GRE-Diff produces high-quality, constraint-aware, and editable polygonal layouts, offering a practical step toward bridging AI-driven automation and human creativity in spatial design.
- Abstract（参考訳）: 機能的で審美的に整合性のあるフロアプランを設計するには、人間の設計者にとってすぐに圧倒的な作業となる、膨大な空間の部屋アレンジメントを探索する必要がある。
本稿では,ユーザが指定した制約の下でアパートのフロアプランの作成と編集を自動化する,制御可能な対話型拡散ベースフレームワークGRE-Diffを提案する。
AI生成された提案とリアルタイムのヒューマン・イン・ザ・ループ編集を組み合わせることで、ユーザはLLMパースされた命令やGUIベースのインタラクションを通じて、部屋の種類、部屋の数、境界形状、編集操作を指定できる。
その後、改良のための多種多様な可塑性かつよく構造化された設計を創出する。
我々のアプローチの核となるのはガウス室埋め込み(GRE)であり、これは各部屋の位置と範囲を捉えた空間ガウス分布をモデル化した連続的な潜伏表現である。
RPLANデータセットに関する大規模な実験は、GRE-Diffが高品質で制約対応で編集可能な多角形レイアウトを生成し、AI駆動の自動化と空間設計における人間の創造性をブリッジする実践的なステップを提供することを示している。
関連論文リスト
- Agentic Designer: Progressive Multi-Agent Collaboration for Structure-Aware Interior Layout Generation [84.5255199507027]
Agentic Designerは、構造を意識した内部レイアウト生成を反復的かつ制約的に検証された決定プロセスとして定式化する、プログレッシブなフレームワークである。
提案、検証、合成、調整のモジュールステージにレイアウトを分解することで、フレームワークは3つの特殊エージェント、ジェネレータ、評価器、精錬器を協調する。
この機構は、各配置がコミットされる前に段階的に幾何的検証と補正を行い、エラーの蓄積を防止する。
論文 参考訳（メタデータ） (2026-07-23T02:46:11Z) - Architect-Ant: Editable Automatic Furnishing of Architectural Floor Plans [73.84806303977797]
本稿では,微調整型視覚調整モデルを用いた自動調合フレームワークであるArchitect-Antを紹介する。
家具レイアウトは、コンパクトで座標ベースのドメイン固有言語(言語)で表現され、オブジェクト配置をエンコードする。
我々は,Architect-Antが幾何学的に妥当かつ機能的に妥当なレイアウトを生成することを示し,より大規模な構造のみのフロアプランデータセットを構築するためのスケーラブルな経路を提案する。
論文 参考訳（メタデータ） (2026-06-09T14:55:43Z) - CasLayout: Cascaded 3D Layout Diffusion for Indoor Scene Synthesis with Implicit Relation Modeling [18.135856965440784]
既存のアプローチは、しばしば構造境界を見落としたり、冗長な生成エラーをもたらす完全に連結された関係グラフに依存したりする。
人間のデザイン認知にインスパイアされたCasは,共同シーン生成タスクを4つの条件付きサブステージに分解する,カスケード拡散フレームワークである。
実験により、Casは、実用上の制御性を改善しつつ、忠実さと多様性の最先端性能を達成することを示した。
論文 参考訳（メタデータ） (2026-04-30T03:18:26Z) - TLC-Plan: A Two-Level Codebook Based Network for End-to-End Vector Floorplan Generation [19.063941053235567]
空間入力境界からベクトルを直接合成する階層的生成モデルであるTLC-Planを提案する。
TLC-Planは、グローバルレイアウトをセマンティックラベル付きルームバウンディングボックスとしてエンコードするために、2レベルVQ-VAEを使用している。
実験では、RPLANデータセット上での最先端のパフォーマンスと、LIデータセット上でのリード結果が示されている。
論文 参考訳（メタデータ） (2026-02-06T15:36:50Z) - DisCo-Layout: Disentangling and Coordinating Semantic and Physical Refinement in a Multi-Agent Framework for 3D Indoor Layout Synthesis [76.7196710324494]
3次元屋内レイアウト合成は仮想環境構築に不可欠である。
DisCoは、物理的および意味的な洗練を歪め、調整する新しいフレームワークである。
論文 参考訳（メタデータ） (2025-10-02T16:30:37Z) - RoomCraft: Controllable and Complete 3D Indoor Scene Generation [51.19602078504066]
RoomCraftは、実際の画像、スケッチ、テキスト記述をコヒーレントな3D屋内シーンに変換するマルチステージパイプラインである。
このアプローチでは,シーン生成パイプラインと制約駆動最適化フレームワークを組み合わせる。
RoomCraftは、リアルでセマンティックなコヒーレントで視覚的に魅力的な部屋レイアウトを生成する上で、既存の方法よりもはるかに優れています。
論文 参考訳（メタデータ） (2025-06-27T15:03:17Z) - Illuminating Spaces: Deep Reinforcement Learning and Laser-Wall Partitioning for Architectural Layout Generation [0.0]
本稿では,人間の設計過程を直感的に模倣する手続き的アプローチを提案する。
SLDにRLを効果的に使用するには、望ましい設計ソリューションを生成するための爆発的空間構成法が必要である。
本稿では,空間分割のための空間分割法である「レーザー壁」を紹介した。
論文 参考訳（メタデータ） (2025-02-06T09:35:24Z) - ChatHouseDiffusion: Prompt-Guided Generation and Editing of Floor Plans [10.82348603357201]
本稿では,大規模言語モデル(LLM)を利用して自然言語入力を解釈するChatHouseDiffusionを提案する。
また、トポロジカルな関係をエンコードするためにグラマーを使用し、拡散モデルを使用してフロアプランを柔軟に生成し編集する。
既存のモデルと比較すると、ChatHouseDiffusionはより高いIoU(Intersection over Union)スコアを達成し、完了を必要とせずに正確な局所的な調整を可能にする。
論文 参考訳（メタデータ） (2024-10-15T02:41:46Z) - LAW-Diffusion: Complex Scene Generation by Diffusion with Layouts [107.11267074981905]
LAW拡散(LAW-Diffusion)と呼ばれる意味制御可能なレイアウト・AWare拡散モデルを提案する。
LAW拡散は、特にコヒーレントな対象関係を持つ最先端の生成性能をもたらすことを示す。
論文 参考訳（メタデータ） (2023-08-13T08:06:18Z) - Spatial Steerability of GANs via Self-Supervision from Discriminator [123.27117057804732]
本稿では,GANの空間的ステアビリティを向上させるための自己教師型アプローチを提案する。
具体的には、空間帰納バイアスとして生成モデルの中間層に符号化されるランダムなガウス熱マップを設計する。
推論中、ユーザは直感的に空間のヒートマップと対話し、シーンのレイアウトを調整したり、移動したり、オブジェクトを削除したりすることで、出力画像を編集することができる。
論文 参考訳（メタデータ） (2023-01-20T07:36:29Z) - End-to-end Graph-constrained Vectorized Floorplan Generation with
Panoptic Refinement [16.103152098205566]
本研究では,1次元ベクトルのシーケンスとしてフロアプランを合成することを目的としている。
最初の段階では,ユーザが入力した部屋接続グラフをGCN(Graphal Network)でエンコードし,自動回帰トランスフォーマネットワークを適用して初期フロアプランを生成する。
初期設計を洗練し、より視覚的に魅力的なフロアプランを生成するために、GCNとトランスフォーマーネットワークからなる新しい汎視補正ネットワーク(PRN)を提案する。
論文 参考訳（メタデータ） (2022-07-27T03:19:20Z)
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。