論文の概要: BIMScript: Material-Aware Structured Scene Programs for BIM Ingestion
- arxiv url: http://arxiv.org/abs/2608.21447v1
- Date: Wed, 19 Aug 2026 13:33:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.111459
- Title: BIMScript: Material-Aware Structured Scene Programs for BIM Ingestion
- Title（参考訳）: BIMScript:BIM摂取のための素材対応構造化シーンプログラム
- Abstract要約: 我々は,SceneScriptが,自然に編集可能で意味論的に明示的な表現であるパラメトリックコマンドのショートプログラムとして,シーンを再構築することを示す。
各コマンドは1対1でネイティブオブジェクトにマップするため、動作中のアドインとそのIFC4エクスポートを使用して、BIMオーサリングツールのエンドツーエンドへの直接の取り込みを検証する。
同じプログラムの言語形式は、LLMによって構築された資産に対する持続可能性を考慮した推論をサポートするように設計されている。
- 参考スコア（独自算出の注目度）: 18.895137980954335
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Structured-language models such as SceneScript reconstruct a scene as a short program of parametric commands, an inherently editable and semantically explicit representation. We ask three questions that stand between such models and their most compelling application, automated ingestion of existing buildings into BIM tools, studied here on synthetic scans: \emph{what} is the scene made of, \emph{how fast} can it be produced, and \emph{exactly where} is each element. BIMScript answers all three within one grammar. First, we extend the layout language with per-element \emph{material} and \emph{condition} attributes, supervised by a vision-language-model material-passport corpus we build over 100k synthetic scenes (1.9M pseudo-labeled elements), and route image appearance to the material tokens through a lifted-feature point encoder. Second, we show that autoregressive decoding of these programs is dominated not by compute but by kernel-launch and host-synchronization overhead, and remove it with an output-exact CUDA-graph decoder (1.9 vs 6.4\,ms/step, $3.4\times$) plus a grammar-parallel, tolerance-verified draft-and-verify scheme that exploits the deterministic entity schema. Third, we address the model's 5cm token-grid granularity with training-free geometric snapping and a hybrid discrete--continuous decoder head that regresses a sub-bin offset, and measure how much of the residual error each recovers. Because each command maps one-to-one onto a native Revit object, we validate direct ingestion into a BIM authoring tool end to end with a working add-in and its IFC4 export, and the same program's language form is designed to support LLM-driven, sustainability-aware reasoning over the built asset.
- Abstract（参考訳）: SceneScriptのような構造化言語モデルは、自然に編集可能で意味論的に明示的な表現であるパラメトリックコマンドの短いプログラムとしてシーンを再構築する。
これらのモデルとそれらの最も説得力のあるアプリケーションの間に立つ3つの質問、既存の建物をBIMツールに自動的に取り込み、合成スキャンで研究する: \emph{what}は、生成可能なシーンであり、 \emph{how fast}は、各要素が、それぞれ、\emph{exactly where} である。
BIMScriptは1つの文法の3つすべてに答える。
まず,100k以上の合成シーン(1.9Mの擬似ラベル付き要素)を構築できる視覚言語モデル物質パスポートコーパスによって教師される要素あたりのemph{ Material} と \emph{condition} 属性でレイアウト言語を拡張し,持ち上げられた特徴点エンコーダを介して材料トークンに画像の外観をルーティングする。
第2に、これらのプログラムの自己回帰復号化は、計算ではなく、カーネル起動とホスト同期化のオーバーヘッドによって支配され、決定論的エンティティスキーマを利用する文法パラレルかつトレランス検証されたドラフト・アンド・バリフィケーションスキーム(1.9対6.4\,ms/step, $3.4\times$)で除去されることを示す。
第3に、トレーニング不要な幾何スナッピングとサブビンオフセットを回帰するハイブリッド離散連続デコーダヘッドを用いて、モデルの5cmのトークングリッド粒度に対処し、各残差の回復率を測定する。
各コマンドは1対1でネイティブのRevitオブジェクトにマップするため、動作中のアドインとそのIFC4エクスポートによってBIMオーサリングツールのエンドツーエンドへの直接取り込みを検証する。
関連論文リスト
- Procedura: Agentic 3D Modeling with Procedural Control [52.232812096564906]
Proceduraは、オブジェクトを手続き的なアセンブリとして記述する、新しい3Dモデリングエージェントフレームワークである。
テキストプロンプトから、エージェントはアセンブリグラフとしてオブジェクトを計画し、プログラム部分を部分的に書きます。
分離された視覚評論家は、一度に診断された修正を精製する。
論文 参考訳（メタデータ） (2026-08-26T17:54:39Z) - Beyond Sequence Order: Syntax-Informed Positional Embeddings for Transformers [18.965125052600836]
textbfSyntax-textbfinformed textbfPositional textbfEmbeddings (textbfSiPE)を紹介する。
事前トレーニング中に依存性解析から軽量な構文を学習し、3つの支配的なPEファミリーすべてに注入する。
SiPEで事前トレーニングされたモデルは、SyntaxGymベンチマークで最大10.3%のコストで改善され、同時に塩基モデル上でのパープレキシティを9.0%のコストで削減できることがわかった。
論文 参考訳（メタデータ） (2026-08-06T14:44:31Z) - Weave of Formal Thought [51.56484100374058]
WoFT(Weave of Formal Thought)は、厳密な構文的検証と学習された構造的表現を結合したパラダイムである。
本稿では,非終端文法記号を直接生成にインターリーブするために,言語モデルを訓練する潜時可変微調整法を提案する。
Pythonでは、RWS目的のStarCoder2-3Bを微調整することで、テキストのみのSFTベースラインと比較して、トーケン毎のクロスエントロピーが14.3%削減される。
論文 参考訳（メタデータ） (2026-06-24T15:58:11Z) - Automated Semantic Fault Localization in SysML v2: A Human-in-the-Loop Framework Using Knowledge-Graph Augmented LLMs [0.11744028458220425]
本稿では,意味的誤りを自動的に識別し,修復するためのヒューマン・イン・ザ・ループ・フレームワークを提案する。
微調整された小言語モデル(SLM)と、システム要素間の物理的互換性ルールをコードするドメイン知識グラフを組み合わせる。
本稿では,車載システム領域を用いて,機械的,電気的,流体的,信号的インターフェース間の関係を把握した知識グラフを示す。
論文 参考訳（メタデータ） (2026-06-22T14:20:11Z) - Articraft: An Agentic System for Scalable Articulated 3D Asset Generation [79.1741181153232]
明瞭な3Dオブジェクトを理解するための学習のボトルネックは、大規模で多様なデータセットの欠如である。
我々は,大規模言語モデル(LLM)を活用して,大規模に音響資産を生成することを提案する。
そして、このようなプログラムを自動で作成する新しいエージェントシステムArticraftを導入する。
論文 参考訳（メタデータ） (2026-05-14T17:59:18Z) - Multimodal OCR: Parse Anything from Documents [72.69545534962234]
dots.mocrは、チャート、ダイアグラム、テーブル、アイコンなどのビジュアル要素を第一級解析ターゲットとして扱う。
テキストとグラフィックの両方を構造化出力として再構築し、より忠実なドキュメント再構築を可能にする。
不均一なドキュメント要素に対するエンドツーエンドのトレーニングをサポートする。
論文 参考訳（メタデータ） (2026-03-13T14:42:21Z) - Part-X-MLLM: Part-aware 3D Multimodal Large Language Model [35.75184591224847]
Part-X-MLLMは、ネイティブな3Dマルチモーダルな大規模言語モデルである。
構造化された実行可能な文法でプログラムとして定式化することで、多様な3Dタスクを統一する。
論文 参考訳（メタデータ） (2025-11-17T17:59:52Z) - Glyph: Scaling Context Windows via Visual-Text Compression [91.20717058018745]
Glyphは、長いテキストを画像にレンダリングし、視覚言語モデルで処理するフレームワークである。
提案手法は,従来の長文モデルに匹敵する精度を維持しつつ,3～4倍のトークン圧縮を実現する。
極端な圧縮では、128KテキストのVLMが1Mレベルのテキストタスクにスケールできる。
論文 参考訳（メタデータ） (2025-10-20T17:58:56Z) - Sketch2BIM: A Multi-Agent Human-AI Collaborative Pipeline to Convert Hand-Drawn Floor Plans to 3D BIM [0.0]
本研究では,手書きのフロアプランスケッチを意味的に一貫した3次元BIMモデルに変換する。
論文 参考訳（メタデータ） (2025-10-16T18:45:33Z) - VDInstruct: Zero-Shot Key Information Extraction via Content-Aware Vision Tokenization [7.769156392417315]
鍵情報抽出は、視覚文書の理解の基盤となる。
既存のマルチモーダルな大言語モデル (MLLM) は、高密度な文書ではよく機能しない。
本稿では,空間領域検出と意味的特徴抽出を分離するMLLMであるVDInstructを紹介する。
論文 参考訳（メタデータ） (2025-07-13T08:15:11Z) - Adapting Language Models to Compress Contexts [71.98287002918941]
トランスフォーマーベースの言語モデル(LM)は強力で広く適用可能なツールであるが、その有用性は有限コンテキストウィンドウによって制限される。
本稿では,事前学習したLMを,長いコンテキストをコンパクトな要約ベクトルに圧縮可能なAutoCompressorに適応させることを提案する。
最大30,720個のトークンのシーケンスでOPTとLlama-2モデルを微調整し、AutoCompressorが長いコンテキストを使ってパープレキシティを向上できることを示す。
論文 参考訳（メタデータ） (2023-05-24T06:42:44Z)
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。