SAGC-A68: a space access graph dataset for the classification of spaces and space elements in apartment buildings

要約

使用可能な面積、建物の安全性、エネルギー使用に関する建物モデルの分析には、空間と空間要素の正確な分類データが必要です。
入力モデルの準備の労力とエラーを軽減するには、空間と空間要素の自動分類が望ましいです。
空間関数および空間要素の分類に対するグラフ深層学習 (GDL) 手法の利用を妨げる障壁は、適切なデータセットの欠如です。
このギャップを埋めるために、集合住宅の空間レイアウトの 68 個のデジタル 3D モデルから自動的に生成されたアクセス グラフで構成されるデータセット SAGC-A68 を導入します。
このグラフベースのデータセットは、空間関数および空間要素分類のための GDL モデルの開発に適しています。
データセットの可能性を実証するために、それを使用して、22 の空間関数と 6 つの空間要素クラスを予測するグラフ アテンション ネットワーク (GAT) のトレーニングと評価を行います。
実験で使用されたデータセットとコードはオンラインで入手できます。
https://doi.org/10.5281/zenodo.7805872、https://github.com/A2Amir/SAGC-A68。

要約(オリジナル)

The analysis of building models for usable area, building safety, and energy use requires accurate classification data of spaces and space elements. To reduce input model preparation effort and errors, automated classification of spaces and space elements is desirable. A barrier hindering the utilization of Graph Deep Learning (GDL) methods to space function and space element classification is a lack of suitable datasets. To bridge this gap, we introduce a dataset, SAGC-A68, which comprises access graphs automatically generated from 68 digital 3D models of space layouts of apartment buildings. This graph-based dataset is well-suited for developing GDL models for space function and space element classification. To demonstrate the potential of the dataset, we employ it to train and evaluate a graph attention network (GAT) that predicts 22 space function and 6 space element classes. The dataset and code used in the experiment are available online. https://doi.org/10.5281/zenodo.7805872, https://github.com/A2Amir/SAGC-A68.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google