基于全景优化的端到端图约束矢量化平面图生成
计算机视觉与模式识别
2022-07-28 v1
摘要
给定用户输入的平面图自动生成在建筑设计中具有巨大潜力，近期已在计算机视觉领域得到探索。然而，现有多数方法以光栅化图像格式合成平面图，难以编辑或定制。本文旨在将平面图合成为1-D向量序列，以简化用户交互与设计定制。为生成高保真矢量化平面图，我们提出一种新颖的两阶段框架，包括草图阶段与多轮优化阶段。第一阶段，我们利用图卷积网络(GCN)编码用户输入的房间连通图，随后应用自回归transformer网络生成初始平面图序列。为润色初始设计并生成更具视觉吸引力的平面图，我们进一步提出一种由GCN与transformer网络组成的全新全景优化网络(PRN)。PRN以初始生成序列为输入，在通过我们提出的几何损失鼓励正确房间连通性的同时优化平面图设计。我们在真实世界平面图数据集上进行了大量实验，结果表明我们的方法在不同设置与评估指标下均取得了最先进(state-of-the-art)性能。
引用
@article{arxiv.2207.13268,
title = {End-to-end Graph-constrained Vectorized Floorplan Generation with Panoptic Refinement},
author = {Jiachen Liu and Yuan Xue and Jose Duarte and Krishnendra Shekhawat and Zihan Zhou and Xiaolei Huang},
journal= {arXiv preprint arXiv:2207.13268},
year = {2022}
}
备注
ECCV 2022