論文の概要: PlanCraft: Sketch, Refine, and Furnish for Architect-Inspired Progressive 3D Residential Scene Generation
- arxiv url: http://arxiv.org/abs/2607.23491v1
- Date: Sun, 26 Jul 2026 06:35:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.129646
- Title: PlanCraft: Sketch, Refine, and Furnish for Architect-Inspired Progressive 3D Residential Scene Generation
- Title（参考訳）: PlanCraft: アーキテクトにインスパイアされたプログレッシブな3D住宅のシーン生成のためのスケッチ、リファイン、そしてFurnish
- Authors: Pengyu Zeng, Yuqin Dai, Jun Yin, Ziyang Han, Ng Cheuk Hei, Jing Zhong, Chaoyang Shi, ZhanXiang Jin, Maowei Jiang, Yuxing Han, Shuai Lu,
- Abstract要約: 2Dフロアプランはオプションの中間ではなく、交換不可能な空間契約である。
PlanCraft-Diffは、不完全なスケッチを幾何学的に正確で、ベクトル化可能なフロアプランに徐々に研ぎ澄ます。
PlanCraft-Agentは、明確に定義された部屋の境界内にシーンを配置する。
- 参考スコア（独自算出の注目度）: 13.713464466502638
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Two structural insights have been overlooked in automated residential floor plan generation. First, design is inherently progressive. Architects begin with rough strokes and refine them over time, whereas existing methods typically require their conditioning representation to be fully specified before generation, a fundamental mismatch with how design actually works. Second, the 2D floor plan is not an optional intermediate but an irreplaceable spatial contract. Once room boundaries, doors, and windows are fixed, furnishing reduces from open-ended spatial reasoning to bounded constraint satisfaction. Bypassing this contract, as existing 3D systems do by delegating layout to language models, yields overlapping rooms and implausible proportions; directly calling general-purpose language models likewise produces geometrically invalid layouts. Guided by these insights, we present PlanCraft. SketchPlan supplies the missing training signal by replaying the architect's drawing process on 80K real floor plans, producing partial sketches at every completeness level. PlanCraft-Diff progressively sharpens an incomplete sketch into a geometrically precise, vectorizable floor plan through a coarse-to-fine strategy. With the spatial contract established, PlanCraft-Agent then furnishes the scene within well-defined room boundaries. Experiments show that PlanCraft achieves a 61.1\% lower FID than the best existing 2D method and surpasses existing 3D systems by 15 points in expert-rated spatial rationality, with a sketch at only 25\% completion already outperforming all fully specified baselines.
- Abstract（参考訳）: 2つの構造的洞察は、自動化された住宅フロアプラン生成において見過ごされている。
第一に、デザインは本質的に進歩的です。
アーキテクトは粗いストロークから始まり、時間とともに洗練しますが、既存のメソッドでは、通常、生成前に条件付け表現を完全に指定する必要があります。
第二に、2Dフロアプランはオプションの中間ではなく、置換不可能な空間契約である。
部屋の境界、ドア、窓が固定されると、家具は開放的な空間推論から制約満足度まで減少する。
この契約を通過させることで、既存の3Dシステムが言語モデルにレイアウトを委譲することで、重複する部屋と不明瞭な割合を生じる。
これらの洞察に導かれ、PlanCraftを紹介します。
SketchPlanは、アーキテクトの描画プロセスを80Kのリアルフロアプランで再生し、すべての完全性レベルで部分的なスケッチを生成することで、不足したトレーニング信号を提供する。
PlanCraft-Diffは、不完全なスケッチを幾何的に正確にベクトル化可能なフロアプランに、粗いから細かい戦略で徐々に研ぎ澄ましていく。
空間的な契約が成立すると、PlanCraft-Agentは明確に定義された部屋の境界内にシーンを配置する。
実験の結果、PlanCraftは既存の2D法よりも61.1\%低いFIDを実現し、既存の3Dシステムを15ポイント上回った。
関連論文リスト
- DPLAN: Minimal Connectivity to Floorplan Generation [0.42970700836450487]
DPLAN(Door Connectivity to Floor Plan Generation)は、ドアと非ドアの制約からフロアプランを生成するグラフベースのプロトタイプである。
このフレームワークはPythonで実装されており、インタラクティブな制約仕様とフロアプラン可視化のプロトタイプが含まれている。
論文 参考訳（メタデータ） (2026-06-19T06:51:56Z) - 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) - SceneAligner: 3D-Grounded Floorplan Localization in the Wild [24.114337264203428]
本研究では,現場の3次元再構成表現にタスクを接地することで,野生環境におけるフロアプランのローカライズを行う手法を提案する。
本手法は,重力に整合した3次元シーンを再構成し,フロアプランプロキシとして機能する2次元密度マップに投影する。
密度マップと建築フロアプランの外観ギャップを埋めるために, 2次元基礎モデルを適用し, 相互対応を学習する。
論文 参考訳（メタデータ） (2026-05-21T14:53:05Z) - WorldGrow: Generating Infinite 3D World [75.81531067447203]
我々は、無限に拡張可能な3D世界、すなわちコヒーレントな幾何学と現実的な外観を持つ大規模で連続的な環境を生み出すという課題に取り組む。
本研究では,非有界な3次元シーン合成のための階層的フレームワークWorldGrowを提案する。
提案手法は,(1)高品質なシーンブロックを抽出し,シーン生成に適した3D構造化潜在表現を作成するデータキュレーションパイプライン,(2)コンテキスト認識シーン拡張を可能にする3Dブロックインペイント機構,(3)グローバルなレイアウトの妥当性と局所幾何学的/音声的忠実性の両立を保証する粗大かつ微細な生成戦略,の3つのコアコンポーネントを特徴とする。
論文 参考訳（メタデータ） (2025-10-24T17:39:52Z) - PLANA3R: Zero-shot Metric Planar 3D Reconstruction via Feed-Forward Planar Splatting [56.188624157291024]
提案するPLANA3Rは,提案しない2次元画像から平面3次元再構成を計測するためのポーズレスフレームワークである。
トレーニング中に3次元平面アノテーションを必要とする以前のフィードフォワード法とは異なり、PLANA3Rは明確な平面監督なしで平面3次元構造を学習する。
本研究は,複数の室内環境データセットに対するPLANA3Rの有効性を検証するとともに,領域外屋内環境への強力な一般化を実証する。
論文 参考訳（メタデータ） (2025-10-21T15:15:33Z) - RAP: 3D Rasterization Augmented End-to-End Planning [104.52778241744522]
エンド・ツー・エンドの列車政策の模擬学習は、専門家によるデモンストレーションでのみ行われる。
アノテーション付きプリミティブの軽量化により、コストのかかるレンダリングを置き換える3Dラスタライゼーションを提案する。
RAPは最先端のクローズドループとロングテールロバスト性を実現し、4つの主要なベンチマークで第1位となった。
論文 参考訳（メタデータ） (2025-10-05T19:31:24Z) - FloorplanMAE:A self-supervised framework for complete floorplan generation from partial inputs [25.35768485637194]
不完全なフロアプランを完全なフロアプランに復元するための自己教師型学習フレームワークであるFloorplanMAEを提案する。
まず,建築用フロアプランに特化して訓練したフロアプラン再構築データセットFloorplanNetを開発した。
次に,Masked Autoencoders (MAE) に基づくフロアプラン再構築手法を提案する。
論文 参考訳（メタデータ） (2025-06-10T02:22:05Z) - PlanarSplatting: Accurate Planar Surface Reconstruction in 3 Minutes [32.00236197233923]
PlanarSplattingはマルチビュー屋内画像のための超高速かつ高精度な表面再構成手法である。
PlanarSplattingは3分で室内のシーンを再構築し、幾何学的精度は大幅に向上した。
論文 参考訳（メタデータ） (2024-12-04T16:38:07Z) - Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。
平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。
提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
論文 参考訳（メタデータ） (2022-05-05T17:59:55Z) - 3D Sketch-aware Semantic Scene Completion via Semi-supervised Structure
Prior [50.73148041205675]
セマンティック・シーン・コンプリート(SSC)タスクの目標は、単一視点で観察することで、ボリューム占有率とシーン内のオブジェクトの意味ラベルの完全な3Dボクセル表現を同時に予測することである。
低解像度のボクセル表現で深度情報を埋め込む新しい幾何学的手法を提案する。
提案手法は,SSCフレームワークからの深度特徴学習よりも有効である。
論文 参考訳（メタデータ） (2020-03-31T09:33:46Z)
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。