論文の概要: When Should a Network Emit Geometry, and When Should It Detect It? Readout, Reconciliation, and Representation in Floorplan Vectorization

• arxiv url: http://arxiv.org/abs/2608.25608v1
• Date: Wed, 26 Aug 2026 10:25:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.764095
• Title: When Should a Network Emit Geometry, and When Should It Detect It? Readout, Reconciliation, and Representation in Floorplan Vectorization
• Title（参考訳）: ネットワークが幾何を省略し、いつ検出すべきか? : フロアプランベクトル化における読み出し・和解・表現
• Abstract要約: ブートストラップされたフロアプランの壁、開口部、部屋を回復するよう訓練されたネットワークは、その出力を2つの方法で生成することができる。 同じトレーニングネットワーク上の2つのリードアウトを比較します。 一致したデータとレシピでは、調停ステップと壁優先シーケンスモデルを備えた部屋中心のシステムが、同等の壁品質に達する。
• 参考スコア（独自算出の注目度）: 7.628568362560024
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A network trained to recover the walls, openings, and rooms of a rasterized floorplan can produce its output in two ways: by emitting the geometry as an autoregressive coordinate sequence, or by detecting it on dense junction and centerline heatmaps and assembling a graph. We compare the two readouts on the same trained network. On real scans (CubiCasa5K) detection is better on every wall measure (+2.7 wall F1 at tolerance 0.05, +5.1 at 0.015; paired bootstrap intervals exclude zero), and reading an opening heatmap the decoder never used raises opening F1 by 2.6x without retraining. Within real scans the readout's advantage grows with plan size and reverses on small plans; on clean vector renders sequence decoding is better by 5 to 8 points where its training covered the render style, while under full domain shift the readout, given calibrated thresholds, stays ahead; neither ink density nor plan size explains the reversal. With matched data and recipe, a room-centric system with a reconciliation step and a wall-first sequence model reach comparable wall quality, so the output representation matters less than is usually assumed. A prior from the other family helps at the output but not at the input: deterministic fusion of the two outputs raises wall F1 by 7 points, whereas conditioning one model on the other's output gives no gain in three forms, including two ground-truth-content controls. We also provide an edit-cost metric that scores a draft by the human work needed to correct it, corrected CubiCasa5K annotations, and ResPlan-FP, a CC BY 4.0 benchmark of 16,998 plans with frozen splits and three baseline tracks. Code, the benchmark, and the corrected annotations are available at https://github.com/Cyprinus12138/fpvec-lab
• Abstract（参考訳）: ラスタ化フロアプランの壁や開口部、部屋を復元するために訓練されたネットワークは、ジオメトリを自己回帰座標シーケンスとして出力するか、密接なジャンクションや中心線熱マップ上で検出し、グラフを組み立てることで、その出力を2つの方法で生成することができる。 同じトレーニングネットワーク上の2つのリードアウトを比較します。 実際のスキャン(CubiCasa5K)の検出は、壁面計(0.05で+2.7壁F1、0.015で+5.1、ペアのブートストラップ間隔ゼロで0を除く)でよい。 クリーンベクターレンダリングではシーケンスデコーディングは、トレーニングがレンダリングスタイルをカバーしている5から8ポイント向上する一方、完全なドメインシフトでは、キャリブレーションされたしきい値が与えられた場合、リードアウトは前方に留まり、インク密度もプランサイズも逆転しない。 一致したデータとレシピでは、調停ステップと壁第一のシーケンスモデルを備えた部屋中心のシステムが、同等な壁品質に達するため、出力表現は通常想定されるよりも重要ではない。 2つの出力の決定論的融合は、壁F1を7ポイント上昇させ、他方の出力の条件付けは、2つの接地トラス・コンテント制御を含む3つの形式で利得を与えない。 また、修正に必要な人為的な作業によるドラフトスコア、修正されたCubeCasa5Kアノテーション、凍結したスプリットと3つのベースライントラックを持つ16,998プランのCC BY 4.0ベンチマークであるResPlan-FPも提供する。 コード、ベンチマーク、修正されたアノテーションはhttps://github.com/Cyprinus12138/fpvec-labで入手できる。

関連論文リスト

• ClosureBench: A Constructive Benchmark for Compositional Graph Reasoning [1.827510863075184]
  ClosureBenchはグラフ関係推論のための構築的なベンチマークである。 証明済みの真実だ 1.5Bのオープンウェイトからフロンティアシステムへのモデルの評価を行った。
  論文  参考訳（メタデータ） (2026-08-18T18:36:21Z)
• Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
  内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。 生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。 現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
  論文  参考訳（メタデータ） (2026-08-17T09:53:27Z)
• GLID: Gated Local Intrinsic Dimension Repairs the Blind Spots of Face-Forgery Detectors [4.564848621539382]
  ファインチューニングされたファウンデーションモデル検出器がフェイスフォージェリーベンチマークを支配しているが、訓練を受けていないジェネレータファミリーには目が見えていない。 GLIDは、データの代わりに幾何学でこの盲点を修復する検出器である。 GLIDは、単一の画像のパッチトークンを多様体からのサンプルとして扱い、その局所固有次元(LID)を凍結視覚変換器のいくつかの深さで推定する。
  論文  参考訳（メタデータ） (2026-07-21T06:52:46Z)
• FoundationGeo: Learning Spatial Pixel-Wise Fields for Monocular Metric Geometry [52.232826445242644]
  FoundationGeoは空間キャリブレーションと原則データ設計による相対的および計量的予測を橋渡しする。 ステージ1は DINOv3 で初期化することで高忠実なアフィン不変幾何モデルを学ぶ。 ステージ2は、メートル法推定のためのピクセルワイドキャリブレーションフィールドを導入することで、グローバルなスケーリングを越えている。
  論文  参考訳（メタデータ） (2026-07-13T14:10:01Z)
• Rethinking the Pointer Loss in Table Structure Recognition: Geometry-Aware Pointer Loss for Spatial Locality [12.986158862036866]
  ポインタネットワークを用いたテーブル構造認識は、検出されたテキスト(またはセル)領域にタグをアライメントしながらHTMLシーケンスを予測することで、印象的な結果を得る。 ポインタネットワークが失敗すると、79.6%のエラーが発生する。 本研究では,地中真理に近接した空間的近さに基づくクロスエントロピー目的の重み付けを行うGAPロスを提案する。
  論文  参考訳（メタデータ） (2026-06-17T05:59:31Z)
• PROSE: Training-Free Egocentric Scene Registration with Vision-Language Models [48.66414784633783]
  PROSE(Prompted Scene rEgistration)は、各RGBシーケンスをオブジェクトレベルの3Dシーングラフにリフトする。 PROSEは学習したパラメータを追加せず、深度センサーやトレーニング、注釈付きグラフを必要としない。 エゴセントリックなAria Digital TwinとAria Everyday Activityベンチマークでは、幾何学的および学習されたシーングラフのベースラインを、登録精度で上回っている。
  論文  参考訳（メタデータ） (2026-06-15T11:11:14Z)
• Surflo: Consistent 3D Surface Flow Model with Global State [57.57234680235885]
  Surfloは、方向付けられた3次元表面点を、ノイズからフローマッチングを通じて独立して表面へ輸送することでデコードする。 独立なポイント単位の復号化に固有の局所的不整合を抑制するために、光度勾配を注入することにより、推定時間誘導項が近傍の点と相関する。 Surfloは、サーフェスメトリクスのフィードフォワードベースラインにマッチし、数百のビューを必要とする最適化ベースのメソッドよりも桁違いに高速に動作し、グローバルなラテントと任意の解像度のデコーディングを組み合わせた唯一のフィードフォワードアプローチである。
  論文  参考訳（メタデータ） (2026-06-11T17:48:38Z)
• Unified Map Prior Encoder for Mapping and Planning [25.536411411026418]
  UMPE(Unified Map Prior)は、4つの事前のサブセットを取り込み、マッピングと計画の両方にBEV機能を組み込むことができる。 UMPE は軌道誤差を平均で 0.72 から 0.42 m L2 (-0.30 m) に減少させ、衝突速度は 0.22% から 0.12% (-0.10%) に低下させる これらの結果から,不均一なマップ事前の統一的アライメント対応処理により,より優れたマッピングとより良い計画が得られた。
  論文  参考訳（メタデータ） (2026-05-04T16:01:30Z)
• Zoom Consistency: A Free Confidence Signal in Multi-Step Visual Grounding Pipelines [0.880899367147235]
  マルチステップズームインパイプラインはGUIグラウンディングに広く利用されている。 中間出力は、無償で有用な信頼信号: ズーム一貫性を含む。 理想化条件下でのステップ1空間誤差の線形推定器であることを示す。
  論文  参考訳（メタデータ） (2026-04-15T20:47:08Z)
• Detect Anything via Next Point Prediction [51.55967987350882]
  Rex-Omniは最先端の物体認識性能を実現する3BスケールのMLLMである。 COCOやLVISのようなベンチマークでは、Rex-Omniは回帰ベースのモデルに匹敵するパフォーマンスを得る。
  論文  参考訳（メタデータ） (2025-10-14T17:59:54Z)
• Learning Tracking Representations via Dual-Branch Fully Transformer Networks [82.21771581817937]
  追従のためのトランスフォーマーのみをベースとした,シームズ型デュアルブランチネットワークを提案する。 注目ウィンドウ内の他のパッチとのマッチング結果に基づいて,各パッチの特徴ベクトルを抽出する。 この手法は、最高の性能の方法として、より良い結果または同等の結果を得る。
  論文  参考訳（メタデータ） (2021-12-05T13:44:33Z)

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。