Parsing Line Segments of Floor Plan Images Using Graph Neural Networks

要約

このホワイト ペーパーでは、ジャンクション ヒートマップを使用して線分の端点を予測し、ニューラル ネットワークをグラフ化して線分とそのカテゴリを抽出する GNN ベースの Line Segment Parser (GLSP) を紹介します。
提案手法はセマンティックセグメンテーションに依存する従来のフロアプラン認識手法とは異なり、ベクトル化された線分を出力でき、実用化に必要な後処理ステップが少なくて済みます。
私たちの実験では、フロア プラン イメージを使用したマルチクラスの線分検出タスクで、この方法が最先端の線分検出モデルよりも優れていることが示されています。
この論文では、Large-scale Residential Floor Plan data (LRFP) という名前のフロア プラン データセットを使用します。
データセットには、合計 271,035 のフロア プラン イメージが含まれています。
各写真に対応するラベルには、縮尺情報、部屋のカテゴリとアウトライン、ドア、窓、壁などの線分の端点の位置が含まれています。
私たちの拡張方法により、データセットはできるだけ多くの国や地域の描画スタイルに適応できます。

要約(オリジナル)

In this paper, we present a GNN-based Line Segment Parser (GLSP), which uses a junction heatmap to predict line segments’ endpoints, and graph neural networks to extract line segments and their categories. Different from previous floor plan recognition methods, which rely on semantic segmentation, our proposed method is able to output vectorized line segment and requires less post-processing steps to be put into practical use. Our experiments show that the methods outperform state-of-the-art line segment detection models on multi-class line segment detection tasks with floor plan images. In the paper, we use our floor plan dataset named Large-scale Residential Floor Plan data (LRFP). The dataset contains a total of 271,035 floor plan images. The label corresponding to each picture contains the scale information, the categories and outlines of rooms, and the endpoint positions of line segments such as doors, windows, and walls. Our augmentation method makes the dataset adaptable to the drawing styles of as many countries and regions as possible.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google