Jul, 2024

FRI-Net：基于房间级隐式表示的楼层规划重建

HTML
PDF
TL;DR介绍了一种名为FRI-Net的新方法，用于从3D点云中重建2D楼层平面图。该方法通过使用基于房间的隐式表示和结构正则化来表征楼层平面图中房间的形状，提高了房间多边形的几何规则性。在Structured3D和SceneCAD两个具有挑战性的数据集上进行了实验，与最先进的方法相比表现出更好的性能，验证了所提出的楼层平面图表示方法的有效性。
发现论文，激发创造
  • FloorNet: 三维扫描的平面图重建统一框架

    本研究旨在通过智能手机，利用深度神经网络技术重建室内地图，提出了线上勘测算法 FloorNet 核心思路，即将 RGBD 流图像数据分别经过三个大的神经网络模块来提取特征并同时考虑 3D 与 2D 空间信息，这种方法能够有效提高室内平面图的重建准确性。

    Mar, 2018

  • Floor-SP: 顺序房间最短路径的反向 CAD 实现平面图

    本文提出了一种新的自动化平面图重建方法，该方法由名为Floor-SP的优化问题构成，其中每个房间的坐标下降顺序地解决动态规划以优化楼层图结构，该方法不需要阈值的角点/边缘检测，重点在数据项上，引导深度神经网络生成建筑物模型，并通过一系列一致性和模型复杂度项来优化。评估结果表明，该方法比当前最先进的方法具有显著的性能改进

    Aug, 2019

  • Graph2Plan: 从布局图中学习生成平面图

    引入了一种使用深度神经网络和用户参与的生成模型的学习框架，用于自动楼层平面图的生成。

    Apr, 2020

  • MonteFloor: 扩展 MCTS 以重建精确的大规模地面平面图

    本文提出了一种新的方法，从嘈杂的三维点云数据中重建楼层平面图，主要贡献是引入了蒙特卡罗树搜索（MCTS）算法，能够最大化合适的目标函数，有效地解决了这一复杂问题，还通过优化多边形房间提案的形状，结合密度图输出了准确的向量化平面图。

    Mar, 2021

  • Plan2Scene：将平面图转换为3D场景

    该论文介绍了 Plan2Scene 任务，旨在将一个住宅的平面图和一组相关的照片转换成有纹理的三维网格模型，解决了从一部分不对齐的照片中提取主要表面材质的挑战，并通过用户研究得出表现优异的结果。

    Jun, 2021

  • 端到端图约束矢量平面图生成与全景细化

    本文提出了一种基于向量序列而非图片格式生成楼层平面图的方法，并详细介绍了一个基于图卷积网络这一新颖框架的二阶段流程，最终在实际数据集上取得了最佳的表现。

    Jul, 2022

  • HouseDiffusion：通过离散和连续去噪扩散模型生成矢量平面图

    通过扩散模型生成向量楼层平面图是我们提出的新方法，使用Transformer架构和二维坐标的离散和连续去噪处理生成图形门窗等元素并在 RPLAN 数据集上得到了显著的改进

    Nov, 2022

  • 连接点：使用双层查询进行平面图重建

    该研究主要讨论了如何使用Transformer Architecture来解决2D平面图的重建问题，并通过多个数据集的实验证明了其在各方面的优越性。

    Nov, 2022

  • PolyRoom：基于房间感知的楼层平面图重建的Transformer

    通过点云数据，本研究旨在利用矢量化表示重建楼层平面图，解决角点及边缘缺失、位置或角度不准确、多边形自相交或重叠、可疑拓扑等挑战，并通过采用均匀采样表示、有房间意识的查询初始化和有房间意识的自注意力机制等方法，在定量和定性上超越了目前的最先进方法。

    Jul, 2024

  • 室内环境的结构保持平面简化

    本研究针对室内场景点云的结构保持平面简化问题，提出了一种新方法。通过预处理、场景分割和基于RANSAC算法提取原始平面，该方法有效地简化了墙体、天花板和地板的表示，并保留了结构布局。研究结果显示，该方法在处理复杂多层和倾斜墙体等场景时，相较于现有技术具有显著的性能提升。

    Aug, 2024