FlairGPT: Repurposing LLMs for Interior Designs

要約

インテリア デザインでは、クライアントのデザイン概要に沿った、美しく機能的で調和のとれた空間を作り出すために、オブジェクトを慎重に選択して配置する必要があります。
この作業は特に困難です。デザインを成功させるには、必要なすべてのオブジェクトを一貫したスタイルで組み込むだけでなく、さまざまな手頃な価格や使用上の考慮事項を遵守しながら、アクセシビリティを最大限に高める方法でオブジェクトを配置する必要があるからです。
データ駆動型のソリューションが提案されていますが、これらは通常、部屋またはドメイン固有であり、最終的なレイアウトを作成する際に使用される設計上の考慮事項に説明可能性が欠けています。
この論文では、ラージ言語モデル (LLM) をインテリア デザインに直接利用できるかどうかを調査します。
LLM はまだ完全なレイアウトを生成できるわけではありませんが、インテリア デザイナーのワークフローにヒントを得て、構造化された方法で効果的に活用することができます。
LLM を体系的に調査することで、オブジェクトのリストとその配置をガイドする関連制約を確実に生成できます。
この情報を設計レイアウト グラフに変換し、既製の制約付き最適化セットアップを使用して解決して、最終レイアウトを生成します。
当社では、既存の LLM ベースの手法や人間の設計に対してさまざまな設計構成でアルゴリズムのベンチマークを行い、ユーザー調査とともにさまざまな定量的および定性的指標を使用して結果を評価します。
要約すると、LLM を構造化された方法で使用すると、多様で高品質なレイアウトを効果的に生成でき、大規模な仮想シーンを作成するための実行可能なソリューションとなることが実証されました。
プロジェクトの Web ページ (https://flairgpt.github.io/)

要約(オリジナル)

Interior design involves the careful selection and arrangement of objects to create an aesthetically pleasing, functional, and harmonized space that aligns with the client’s design brief. This task is particularly challenging, as a successful design must not only incorporate all the necessary objects in a cohesive style, but also ensure they are arranged in a way that maximizes accessibility, while adhering to a variety of affordability and usage considerations. Data-driven solutions have been proposed, but these are typically room- or domain-specific and lack explainability in their design design considerations used in producing the final layout. In this paper, we investigate if large language models (LLMs) can be directly utilized for interior design. While we find that LLMs are not yet capable of generating complete layouts, they can be effectively leveraged in a structured manner, inspired by the workflow of interior designers. By systematically probing LLMs, we can reliably generate a list of objects along with relevant constraints that guide their placement. We translate this information into a design layout graph, which is then solved using an off-the-shelf constrained optimization setup to generate the final layouts. We benchmark our algorithm in various design configurations against existing LLM-based methods and human designs, and evaluate the results using a variety of quantitative and qualitative metrics along with user studies. In summary, we demonstrate that LLMs, when used in a structured manner, can effectively generate diverse high-quality layouts, making them a viable solution for creating large-scale virtual scenes. Project webpage at https://flairgpt.github.io/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google