SSIG: A Visually-Guided Graph Edit Distance for Floor Plan Similarity

要約

私たちは、学習を必要とせずに、建築平面図の視覚的なインスタンス間の構造的類似性を測定する、シンプルかつ効果的な指標を提案します。
定性的には、私たちの実験は、検索結果が深く学習された方法と類似していることを示しています。
フロア プラン データのインスタンスを効果的に比較することは、フロア プラン生成モデルやフロア プラン推奨システムの評価など、フロア プラン データを機械で理解することに成功するために最も重要です。
視覚的なフロア プラン画像の比較は、単なるピクセル単位の視覚的検査を超え、レイアウトを構成する区画間の形状や関係の類似点や相違点が重要です。
現在、深層計量学習アプローチは、構造的類似性を厳密に模倣するペアワイズ ベクトル表現空間を学習するために使用されており、そこでは、Intersection-over-Union (IoU) によって取得される類似性ラベルに基づいてモデルがトレーニングされます。
IoU の構造認識の欠如を補うために、グラフ マッチング ネットワーク (GMN) などのグラフベースのアプローチが使用されます。これには、データ インスタンスを比較するためにペアごとの推論が必要であり、GMN は検索アプリケーションにとって実用的ではありません。
本稿では、間取り図の構造的類似性を判断するための有効な評価指標である SSIG (Structural Sameality by IoU and GED) を、画像とグラフの距離の両方に基づいて提案します。
さらに、SSIG を使用して大規模なフロア プラン データベースをランク付けする効率的なアルゴリズムが開発されています。
コードはオープンに利用可能になります。

要約(オリジナル)

We propose a simple yet effective metric that measures structural similarity between visual instances of architectural floor plans, without the need for learning. Qualitatively, our experiments show that the retrieval results are similar to deeply learned methods. Effectively comparing instances of floor plan data is paramount to the success of machine understanding of floor plan data, including the assessment of floor plan generative models and floor plan recommendation systems. Comparing visual floor plan images goes beyond a sole pixel-wise visual examination and is crucially about similarities and differences in the shapes and relations between subdivisions that compose the layout. Currently, deep metric learning approaches are used to learn a pair-wise vector representation space that closely mimics the structural similarity, in which the models are trained on similarity labels that are obtained by Intersection-over-Union (IoU). To compensate for the lack of structural awareness in IoU, graph-based approaches such as Graph Matching Networks (GMNs) are used, which require pairwise inference for comparing data instances, making GMNs less practical for retrieval applications. In this paper, an effective evaluation metric for judging the structural similarity of floor plans, coined SSIG (Structural Similarity by IoU and GED), is proposed based on both image and graph distances. In addition, an efficient algorithm is developed that uses SSIG to rank a large-scale floor plan database. Code will be openly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google