論文の概要: RenoLayout: Unified Floorplan Renovation and Furniture Layout for Constraint-Aware Residential Design
- arxiv url: http://arxiv.org/abs/2610.21366v1
- Date: Thu, 15 Oct 2026 06:44:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.236084
- Title: RenoLayout: Unified Floorplan Renovation and Furniture Layout for Constraint-Aware Residential Design
- Title（参考訳）: RenoLayout: 制約を考慮した住宅設計のための一元化フロアプランの改修と家具レイアウト
- Abstract要約: 住宅デザインは、様々なデザインの好みと物理的な制約を満足しつつ、既存の家を機能的な生活空間に転換することを目的としている。
既存のフロアプラン生成手法では、空の建物の境界を入力として仮定する一方、改修には既存のフロアプランの推論が必要である。
本稿では,設計ポイントの条件生成タスクとして住宅設計を定式化し,設計ポイントセットと合わせて設計済みの住宅状態を実行可能なプログラムに変換するフレームワークであるRenoを提案する。
- 参考スコア（独自算出の注目度）: 12.687156876506181
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Residential design aims to transform existing homes into functional living spaces while satisfying diverse design preferences and physical constraints. However, existing floorplan generation methods typically assume empty building boundaries as input, whereas renovation requires reasoning over existing floorplans. Furthermore, floorplan renovation and furniture layout are commonly addressed as separate tasks, overlooking their inherent spatial dependency. Consequently, practical residential design must preserve immutable structural components while transforming editable spatial elements. It must also optimize furniture placement under design objectives and physical constraints. To address these challenges, we formulate residential design as a design-point-guided conditional generation task and propose RenoLayout, a framework that translates a pre-design residential state together with a design-point set into an executable Geometry-as-Code program. To enable controllable supervision, we construct a Design Map comprising 123 fine-grained design points covering structural renovation and furniture layout. We further introduce Difference-Grounded Design-Point Annotation to derive design-point sets automatically from before--after design pairs with VLM-based consistency verification. RenoLayout is trained using a three-stage CPT--SFT--RL pipeline, progressively improving spatial reasoning, instruction following, and constraint compliance. We also introduce the RenoLayout Benchmark, a set of 200 real-world before--after renovation cases with complete furniture layouts. To the best of our knowledge, it is the first benchmark for unified residential design. These cases include design-critical structural and building-service constraints.
- Abstract（参考訳）: 住宅デザインは、様々なデザインの好みと物理的な制約を満足しつつ、既存の家を機能的な生活空間に転換することを目的としている。
しかし、既存のフロアプラン生成手法は、通常、空の建物の境界を入力として想定するが、リノベーションには既存のフロアプランの推論が必要である。
さらに、フロアプランの改修と家具のレイアウトは、その固有の空間依存性を見越して、個別のタスクとして扱うのが一般的である。
したがって、実用的な住宅設計は、編集可能な空間要素を変換しながら不変な構造成分を保存しなければならない。
また、設計目的と物理的制約の下での家具配置の最適化も必要である。
これらの課題に対処するため,デザインポイント誘導型条件生成タスクとして住宅設計を定式化し,設計ポイントセットと事前設計した住宅状態を実行可能なジオメトリ・アズ・コードプログラムに変換するフレームワークであるRenoLayoutを提案する。
制御可能な監視を実現するため,123個のきめ細かい設計点からなるデザインマップを構築した。
さらに、VLMに基づく整合性検証を用いた事前設計ペアから設計点集合を自動的に導出するために、差分区間設計点アノテーションを導入する。
RenoLayoutは3段階のCPT--SFT--RLパイプラインを使用してトレーニングされており、空間推論、命令追従、制約コンプライアンスを徐々に改善している。
リノレイアウトベンチマーク(RenoLayout Benchmark)も導入しています。
我々の知る限りでは、統一住宅設計のための最初のベンチマークである。
これらのケースには、設計クリティカルな構造的制約とビルディングサービス制約が含まれます。
関連論文リスト
- Learning an Interior Layout Policy in a Domain Specific Language Action Space [4.7288373059475814]
既存の方法は、部屋の条件を減らして3Dバウンディングボックスを粗くし、ドアや窓などの構造要素を無視することで、タスクを単純化することが多い。
本稿では、ドメイン固有言語()アクション空間の内部レイアウトポリシーを学習するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-31T09:28:19Z) - 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) - RulePlanner: All-in-One Reinforcement Learner for Unifying Design Rules in 3D Floorplanning [49.812879456944984]
フロアプランニングは集積回路における各モジュールの座標と形状を決定する。
現在のメソッドは、特定の設計ルールと限られた設計ルールのみを扱うことができる。
我々はこれらの課題に対処するために,オールインワンの深層強化学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2026-01-30T02:41:48Z) - 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) - 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) - Automated architectural space layout planning using a physics-inspired generative design framework [4.202451453254076]
空間配置の決定は、建築プロジェクトの設計段階における主要な活動の1つである。
提案手法は、空間レイアウト計画と進化的最適化メタヒューリスティックのための、物理学から着想を得た新しいパラメトリックモデルを統合する。
その結果、このような生成設計フレームワークは、設計段階において幅広い設計提案を生成できることが明らかとなった。
論文 参考訳（メタデータ） (2024-06-21T02:50:52Z) - I-Design: Personalized LLM Interior Designer [57.00412237555167]
I-Designはパーソナライズされたインテリアデザイナで、自然言語によるコミュニケーションを通じて設計目標の生成と視覚化を可能にする。
I-Designは、対話や論理的推論に従事する大きな言語モデルエージェントのチームから始まる。
最終的な設計は、既存のオブジェクトデータベースから資産を取り出し、統合することで、3Dで構築されます。
論文 参考訳（メタデータ） (2024-04-03T16:17:53Z) - PosterLayout: A New Benchmark and Approach for Content-aware
Visual-Textual Presentation Layout [62.12447593298437]
コンテンツ対応視覚テキスト提示レイアウトは,所定のキャンバス上の空間空間を予め定義された要素にアレンジすることを目的としている。
本稿では,設計過程を模倣するためにレイアウトの要素を再編成する設計シーケンス形成(DSF)を提案する。
CNN-LSTMに基づく新しい条件生成対向ネットワーク(GAN)を提示し、適切なレイアウトを生成する。
論文 参考訳（メタデータ） (2023-03-28T12:48:36Z)
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。