基于门检测和大语言模型的建筑合规性检查自动设施枚举
计算机视觉与模式识别
2025-09-29 v2 人工智能
新兴技术
摘要
建筑合规性检查（Building Compliance Checking, BCC）是确保建筑设施符合监管标准的关键过程。其核心组件是准确地枚举设施类型及其空间分布。尽管此任务至关重要，但在文献中仍被大体忽视，为BCC留下了显著的工作流程空白。手动完成此任务耗时且费力。近期大语言模型（Large Language Models, LLMs）的进展为通过结合视觉识别与推理能力来提升自动化提供了新机遇。本文引入了BCC的一个新任务：自动设施枚举，即验证每种设施类型的数量是否符合法定要求。为此，我们提出了一种新方法，将门检测与LLM基于链式思维（Chain-of-Thought, CoT）管道相结合。我们首次将LLMs应用于此任务，并通过CoT管道进一步提升其性能。该方法在多样化数据集和设施类型之间具有良好泛化性。实验在真实场景与合成平面图数据上均表明，我们方法的有效性与鲁棒性。
引用
@article{arxiv.2509.17283,
title = {Automated Facility Enumeration for Building Compliance Checking using Door Detection and Large Language Models},
author = {Licheng Zhang and Bach Le and Naveed Akhtar and Tuan Ngo},
journal= {arXiv preprint arXiv:2509.17283},
year = {2025}
}
备注
Author name correction in the second version (same content as the first version)