增强平面图识别：基于混合 Mix-Transformer 和 U-Net 的壁面分割方法
计算机视觉与模式识别
2026-04-02 v3 人工智能
摘要
自动从 2D 平面图重建室内空间的 3D 模型需要对结构元素（特别是墙面）进行高精度的语义分割。然而，现有方法往往难以检测细小结构并保持几何精度。为此，我们提出了 MitUNet，这是一个混合神经网络，旨在弥合全局语义上下文与细粒度结构细节之间的差距。我们的体系结构将 Mix-Transformer 编码器与增强了空间和通道注意力模块的 U-Net 解码器相结合。采用 Tversky 损失函数进行优化，该方法在精确率和召回率之间取得平衡，确保准确的边界恢复。在 CubiCasa5k 数据集和区域数据集上的实验表明，MitUNet 在生成结构正确的掩码方面优于标准模型，具有更高的边界精度。该工具为自动化 3D 重建管道提供了稳健的基础。为确保可重复性并促进未来研究，我们的源代码和区域数据集分别公开于 https://github.com/aliasstudio/mitunet 和 https://doi.org/10.5281/zenodo.17871079。
关键词
引用
@article{arxiv.2512.02413,
title = {Enhancing Floor Plan Recognition: A Hybrid Mix-Transformer and U-Net Approach for Precise Wall Segmentation},
author = {Dmitriy Parashchuk and Alexey Kaspshitskiy and Yuriy Karyakin},
journal= {arXiv preprint arXiv:2512.02413},
year = {2026}
}
备注
11 pages, 5 figures, 3 tables