BIM 超现实：利用 BIM 与超写实渲染进行深度学习数据合成
机器学习
2021-05-11 v1
摘要
深度学习有望为建筑领域带来新机遇与新范式。其中一项机遇是教神经网络从建成环境中视觉理解建筑要素。然而，大规模训练数据集的可用性是神经网络最大的局限之一。并且，视觉识别任务的绝大多数训练数据由人工标注。为解决这一瓶颈，我们提出一种混合系统概念，利用建筑信息模型（BIM）与超写实（照片写实）渲染来合成数据集，用于训练神经网络以在照片中识别建筑物体。为生成我们的训练数据集 BIMrAI，我们使用了一个现有 BIM 模型及同一建筑对应的照片写实渲染模型。我们创建了利用渲染图训练深度学习模型的方法，使用这些方法训练了一个生成对抗网络（GAN）模型，并在真实世界照片上测试了输出模型。针对本文所给具体案例研究，我们的结果表明，使用合成数据（即照片写实渲染图与基于 BIM 的语义标签）训练的神经网络，可在训练数据不含照片的情况下从照片中识别建筑物体。未来工作可利用可用的 BIM 模型与渲染图增强所提方法，以实现对摄影建成环境更通用的映射与描述。
引用
@article{arxiv.2105.04103,
title = {BIM Hyperreality: Data Synthesis Using BIM and Hyperrealistic Rendering for Deep Learning},
author = {Mohammad Alawadhi and Wei Yan},
journal= {arXiv preprint arXiv:2105.04103},
year = {2021}
}
备注
Accepted to the 40th Annual Conference of the Association for Computer Aided Design in Architecture (ACADIA 2020)