Aug, 2024

基于改进语义分割的多单元平面图识别与重建

HTML
PDF
TL;DR本研究解决了在应急规划中数字双胞胎构建的手动操作问题，提出了一种新颖的像素级分割方法，以从常见的2D建筑平面图合成3D信息。研究表明，所提出方法在CubiCasa基准数据集上实现了0.86的平均F1分数，显著优于其他像素级方法，对城市管理与救援工作有潜在影响。
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

  • 世界建筑的向量化: 基于基元检测和关系推理的平面图重构

    这篇论文通过使用CNN和IP算法，从单一RGB图像中推断出室外建筑物的2D平面图结构，取得了显著的结果，并提出了可供分享的代码和数据。

    Dec, 2019

  • 使用曼哈顿世界假设的神经三维场景重建

    本论文提出一种基于内隐神经表示的重建方法，将平面约束融合到多视角立体方法的深度图估计中，并在2D语义分割网络预测的墙和地面区域采用平面约束来规范几何形状。该方法在ScanNet数据集上的实验表明，与以前的方法相比，在3D重建质量方面表现出更好的性能。

    May, 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

  • Scan2LoD3: 使用光线投射和贝叶斯网络在LoD3等级上重建语义化3D建筑模型

    通过提高立面的语义分割，利用激光物理学和建筑模型先验概率，提出了一种名为Scan2LoD3的新方法，可以准确地重建语义LoD3建筑模型。实验证明，该方法在LoD3建筑模型重建，立面水平检测和语义分割方面优于现有最先进的方法，并且可以促进以概率驱动的语义3D重建的发展。

    May, 2023

  • 一种混合语义几何方法应对建筑点云中的混杂干扰生成楼层平面图

    本研究提出了一种混合的语义几何方法，通过基于PointNet ++的语义分割网络与地理推理规则相结合，将激光扫描建筑点云转化为二维平面图，同时对精度、召回率、交并比、Betti误差和形变误差等方面进行评估。

    May, 2023

  • 从2D平面图自动重建语义3D模型

    本文介绍了一种从扫描的2D平面图重建矢量化3D模型的流程，以提高数字化过程的效率，该方法在公共数据集CubiCasa5k中实现了最先进的结果，并表现出较好的推广性，其矢量化方法特别有效，优于以前的方法。

    Jun, 2023

  • MuraNet：关系注意力的多任务平面图识别

    MuraNet是一种面向平面图数据中分割和检测任务的注意力多任务模型，通过统一编码器和分离的分割解码器分支以及基于YOLOX的独立检测头支路，提高了特征提取和相关任务的准确性和效率。

    Sep, 2023

  • 建筑群的楼层平面生成的基准数据集

    现今大规模的建筑平面图数据集主要包含简单的单户住宅布局，为了弥补现有数据集与真实世界的不匹配，我们开发了《改进的瑞士住宅》（MSD）——第一个包含大量多户住宅布局的大规模建筑平面图数据集。MSD包含超过5.3K中至大型建筑群的平面图，涵盖了超过18.9K个独立公寓。我们验证了现有的建筑平面图生成方法在简单场景中有效，但仍无法无缝应对MSD带来的挑战。我们的基准评估呼吁对建筑平面图机器理解进行新的研究。代码与数据都是开放的。

    Jul, 2024

  • FRI-Net：基于房间级隐式表示的楼层规划重建

    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。

    Jul, 2024