Title block detection and information extraction for enhanced building drawings search

要約

建築、エンジニアリング、および建設（AEC）業界は、建物の建設、メンテナンス、コンプライアンス、エラーチェックのための図面に保存されている情報に依然として大きく依存しています。
ただし、建物の図面からの情報抽出（すなわち）は、特に歴史的な建物を扱う場合、多くの場合、時間がかかり、費用がかかります。
図面検索は、図面のタイトルブロック部分に保存されている情報をレバレッジすることで簡素化できます。これは、図面メタデータと見なすことができます。
ただし、特に均一性のために既存の基準に従わない歴史的図面を扱う場合、タイトルブロックIEは複雑になる可能性があります。
この作業は、この種のIEタスクの既存の方法の比較を実行し、特に複雑で騒々しい歴史的図面を扱うときに、既存の方法を上回るIEパイプラインを提案します。
パイプラインは、軽量の畳み込みニューラルネットワークとGPT-4Oを組み合わせて取得されます。提案された推論パイプラインは、ビルディングエンジニアリングタイトルブロックを高精度で検出し、タイトルブロックから構造化された描画メタデータを抽出します。
この作業は、ベクター（CAD）と手描き（歴史的）図面の両方のIEの精度と効率性を示しています。
抽出された検索のために抽出されたメタデータを活用するユーザーインターフェイス（UI）が確立され、実際のプロジェクトに展開され、大幅な時間節約が示されます。
さらに、将来の作業の基礎を築く効率的なAECに優しい注釈ワークフローを介して、タイトルブロック検出用の拡張可能なドメインエクスペリと発音されたデータセットが開発されます。

要約(オリジナル)

The architecture, engineering, and construction (AEC) industry still heavily relies on information stored in drawings for building construction, maintenance, compliance and error checks. However, information extraction (IE) from building drawings is often time-consuming and costly, especially when dealing with historical buildings. Drawing search can be simplified by leveraging the information stored in the title block portion of the drawing, which can be seen as drawing metadata. However, title block IE can be complex especially when dealing with historical drawings which do not follow existing standards for uniformity. This work performs a comparison of existing methods for this kind of IE task, and then proposes a novel title block detection and IE pipeline which outperforms existing methods, in particular when dealing with complex, noisy historical drawings. The pipeline is obtained by combining a lightweight Convolutional Neural Network and GPT-4o, the proposed inference pipeline detects building engineering title blocks with high accuracy, and then extract structured drawing metadata from the title blocks, which can be used for drawing search, filtering and grouping. The work demonstrates high accuracy and efficiency in IE for both vector (CAD) and hand-drawn (historical) drawings. A user interface (UI) that leverages the extracted metadata for drawing search is established and deployed on real projects, which demonstrates significant time savings. Additionally, an extensible domain-expert-annotated dataset for title block detection is developed, via an efficient AEC-friendly annotation workflow that lays the foundation for future work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google