論文の概要: ModRes: A modification of the ResPlan dataset ready for floor plan analysis and graph machine learning

• arxiv url: http://arxiv.org/abs/2610.17178v1
• Date: Mon, 12 Oct 2026 17:50:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 02:54:10.471283
• Title: ModRes: A modification of the ResPlan dataset ready for floor plan analysis and graph machine learning
• Title（参考訳）: ModRes: フロアプラン分析とグラフ機械学習のためのResPlanデータセットの変更
• Abstract要約: 提案するModResはResPlanデータセットのクリーンでリッチなバージョンで、8,431の有効かつユニークな住宅フロアプランを含んでいる。 無効で重複したフロアプランは、専用のクリーニングワークフローを通じて削除され、使用可能なデータセットを生成する。 各フロアプランに対して、ModResは2次元幾何学、画像、3次元のビルディング表現、CSVおよびCSVフォーマットの3つの補完的な二重グラフを提供する。
• 参考スコア（独自算出の注目度）: 0.27998963147546146
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Floor plan datasets underpin computational analysis of building layouts, spatial connectivity and graph machine learning. However, publicly available datasets often require substantial preprocessing before they can be used reliably. We present ModRes, a cleaned and enriched version of the ResPlan dataset, containing 8,431 valid and unique residential floor plans. Invalid and duplicate floor plans are removed through a dedicated cleaning workflow, producing a ready-to-use dataset. For each floor plan, ModRes provides two-dimensional geometry, images, three-dimensional building representations and three complementary dual graphs in CSV and JSON formats with graph-, node- and edge-level features. Continuous and categorical graph attributes support machine learning workflows. We characterise the dataset using graph-based statistics and demonstrate its utility through a range of case studies. ModRes provides structured geometric, topological and semantic representations needed to automate spatial analysis and support machine learning-based workflows for building design and performance evaluation.
• Abstract（参考訳）: フロアプランデータセットは、ビルレイアウト、空間接続性、グラフ機械学習の計算分析の基盤となる。 しかし、一般に利用可能なデータセットは、確実に使用する前にかなりの事前処理を必要とすることが多い。 提案するModResはResPlanデータセットのクリーンでリッチなバージョンで、8,431の有効かつユニークな住宅フロアプランを含んでいる。 無効で重複したフロアプランは、専用のクリーニングワークフローを通じて削除され、使用可能なデータセットを生成する。 各フロアプランに対して、ModResは2次元の幾何学、イメージ、3次元のビルディング表現、CSVとJSONフォーマットでグラフ、ノード、エッジレベルの特徴を持つ3つの補完的な2つのグラフを提供する。 継続的および分類グラフ属性は、機械学習ワークフローをサポートする。 グラフベースの統計データを用いてデータセットを特徴付け,その有用性を様々なケーススタディを通じて実証する。 ModResは、空間分析の自動化に必要な構造化された幾何学的、トポロジ的、セマンティックな表現を提供し、設計と性能評価を構築するための機械学習ベースのワークフローをサポートする。

関連論文リスト

• Contextual Graph Representations for Task-Driven 3D Perception and Planning [1.7421265706896534]
  コンピュータビジョンの最近の進歩は、視覚慣性データからオブジェクト中心リレーショナル表現を完全に自動抽出することを促進する。 これらの状態表現は、3次元シーングラフと呼ばれ、密な多重グラフ構造を持つ実世界のシーンの階層的な分解である。 この論文は、ロボットタスク計画と3Dシーングラフの交点における研究のために、既存の組み込みAI環境の適合性をテストする。
  論文  参考訳（メタデータ） (2026-03-12T00:45:12Z)
• LookPlanGraph: Embodied Instruction Following Method with VLM Graph Augmentation [47.99822253865053]
  大規模言語モデル(LLM)をタスクを具体化するためのプランナーとして利用する手法が広く普及している。 1つの解決策は、必要なすべての情報を含むシーングラフを使用することです。 現代の手法は事前に構築されたシーングラフに依存し、すべてのタスク関連情報が計画開始時に利用可能であると仮定する。 静的なアセットとオブジェクトの先行値からなるシーングラフを利用するLookPlanGraphを提案する。
  論文  参考訳（メタデータ） (2025-12-24T15:36:21Z)
• Semantic segmentation for building houses from wooden cubes [0.0]
  実験のために木造立方体で構築された家屋の画像を含む2つの特殊なデータセットが作成された。 U-Net(light)は、第1データセットでは78%のMeanIoU、第2データセットでは87%のF1スコア、第2データセットでは17%と25%で最高のパフォーマンスを示した。 本研究は,段階的な建築計画の自動生成のためのアルゴリズム開発の基礎となる。
  論文  参考訳（メタデータ） (2025-03-28T03:58:12Z)
• Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
  Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。 セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
  論文  参考訳（メタデータ） (2024-11-25T10:14:10Z)
• Topology-Agnostic Graph U-Nets for Scalar Field Prediction on Unstructured Meshes [2.4306216325375196]
  TAG U-Netはグラフ畳み込みネットワークで、任意のメッシュやグラフ構造を入力できるようにトレーニングすることができる。 モデルは、各入力グラフの粗いバージョンを構築し、元のグラフ上のノードワイズ出力を予測するために、一連の畳み込みとプーリング操作を実行する。
  論文  参考訳（メタデータ） (2024-10-08T22:27:35Z)
• Temporal Graph Benchmark for Machine Learning on Temporal Graphs [54.52243310226456]
  テンポラルグラフベンチマーク(TGB)は、困難で多様なベンチマークデータセットのコレクションである。 各データセットをベンチマークし、共通のモデルのパフォーマンスがデータセット間で大きく異なることを発見した。 TGBは、再現可能でアクセス可能な時間グラフ研究のための自動機械学習パイプラインを提供する。
  論文  参考訳（メタデータ） (2023-07-03T13:58:20Z)
• Hermitian Symmetric Spaces for Graph Embeddings [0.0]
  C 上の対称行列空間におけるグラフの連続表現を学ぶ。 これらの空間は双曲部分空間とユークリッド部分空間を同時に認めるリッチな幾何学を提供する。 提案するモデルは, apriori のグラフ特徴を見積もることなく, まったく異なる配置に自動的に適応することができる。
  論文  参考訳（メタデータ） (2021-05-11T18:14:52Z)
• Graph-Based Generative Representation Learning of Semantically and Behaviorally Augmented Floorplans [12.488287536032747]
  本稿では,アトリビュートグラフを用いて幾何学的情報を表現するフロアプラン埋め込み手法と,ノード属性やエッジ属性として住民のセマンティクスや行動特徴をデザインする手法を提案する。 長短期記憶(LSTM)変動オートエンコーダ(VAE)アーキテクチャを提案し,連続空間に属性グラフをベクトルとして埋め込むように訓練した。 入力に対する埋め込み空間から得られた類似のフロアプランの結合度を評価するために,ユーザ調査を行った。
  論文  参考訳（メタデータ） (2020-12-08T20:51:56Z)
• Plan2Vec: Unsupervised Representation Learning by Latent Plans [106.37274654231659]
  Plan2vecは、強化学習にインスパイアされた教師なしの表現学習手法である。 Plan2vecは、近距離を用いて画像データセット上に重み付きグラフを構築し、その局所距離を、計画された経路上の経路積分を蒸留することによって、大域的な埋め込みに外挿する。 1つのシミュレーションと2つの実世界の画像データセットに対する Plan2vec の有効性を実証する。
  論文  参考訳（メタデータ） (2020-05-07T17:52:23Z)
• Hallucinative Topological Memory for Zero-Shot Visual Planning [86.20780756832502]
  視覚計画(VP)では、エージェントは、オフラインで取得した動的システムの観察から目標指向の振る舞いを計画することを学ぶ。 以前のVPに関するほとんどの研究は、学習された潜在空間で計画することでこの問題にアプローチし、結果として品質の低い視覚計画を生み出した。 本稿では,画像空間を直接計画し,競合性能を示すシンプルなVP手法を提案する。
  論文  参考訳（メタデータ） (2020-02-27T18:54:42Z)

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。