GSDiff: Synthesizing Vector Floorplans via Geometry-enhanced Structural Graph Generation

要約

建築フロアプラン設計の自動化は住宅やインテリアの設計にとって不可欠であり、建築家による手動スケッチに代わる、より迅速でコスト効率の高い代替手段を提供します。
しかし、ルールベースや学習ベースのアプローチを含む既存の手法は、設計の複雑さと大規模な後処理を伴う制約された生成という課題に直面しており、位置ずれ、重なり、ギャップなどの明らかな幾何学的不一致が発生する傾向があります。
この研究では、GSDiff と呼ばれる構造グラフ生成を介したベクトル フロアプラン設計のための新しい生成フレームワークを提案します。これは、構造グラフの幾何学的な側面と意味論的な側面の両方を捉えるための壁接合部の生成と壁セグメントの予測に焦点を当てています。
生成された構造グラフの幾何学的合理性を向上させるために、2 つの革新的な幾何学強化方法を提案します。
壁接合部の生成において、幾何学的一貫性を向上させるための新しいアライメント損失関数を提案します。
壁セグメント予測では、全体的な幾何学的構造に対するモデルの認識を強化し、それによって合理的な幾何学的構造の生成を促進するランダム自己監視法を提案します。
拡散モデルとトランスフォーマー モデル、およびジオメトリ強化戦略を採用することで、当社のフレームワークは構造的および意味論的な情報を備えた壁接合部、壁セグメント、部屋ポリゴンを生成し、フロアプランを正確に表す構造グラフを生成できます。
広範な実験により、提案された方法が既存の技術を超え、自由な生成と制約された生成を可能にし、建築設計における構造生成への移行を示すことが示されました。
コードとデータは https://github.com/SizheHu/GSDiff で入手できます。

要約(オリジナル)

Automating architectural floorplan design is vital for housing and interior design, offering a faster, cost-effective alternative to manual sketches by architects. However, existing methods, including rule-based and learning-based approaches, face challenges in design complexity and constrained generation with extensive post-processing, and tend to obvious geometric inconsistencies such as misalignment, overlap, and gaps. In this work, we propose a novel generative framework for vector floorplan design via structural graph generation, called GSDiff, focusing on wall junction generation and wall segment prediction to capture both geometric and semantic aspects of structural graphs. To improve the geometric rationality of generated structural graphs, we propose two innovative geometry enhancement methods. In wall junction generation, we propose a novel alignment loss function to improve geometric consistency. In wall segment prediction, we propose a random self-supervision method to enhance the model’s perception of the overall geometric structure, thereby promoting the generation of reasonable geometric structures. Employing the diffusion model and the Transformer model, as well as the geometry enhancement strategies, our framework can generate wall junctions, wall segments and room polygons with structural and semantic information, resulting in structural graphs that accurately represent floorplans. Extensive experiments show that the proposed method surpasses existing techniques, enabling free generation and constrained generation, marking a shift towards structure generation in architectural design. Code and data are available at https://github.com/SizheHu/GSDiff.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google