利用语义场景重建估计建筑包线特征
计算机视觉与模式识别
2024-10-31 v1
摘要
实现欧盟气候中性目标需要改造既有建筑物，以减少能源消耗和排放。这一关键步骤是精确评估建筑包线特征，以为改造决策提供信息。先前用于估计建筑特征的方法，如窗墙比、建筑底图面积和建筑元素位置，主要依赖于在二维图像上应用深度学习检测或分割技术。然而，这些方法倾向于关注平面立面属性，限制了其在三维建筑包线分析中的准确性和全面性。虽然神经场景表示在室内场景重建方面表现卓越，但在外部建筑包线分析中仍属探索不足。本工作通过利用基于符号距离函数（SDF）表示的前沿神经表面重建技术，用于三维建筑分析。我们提出了 BuildNet3D，一个新型框架，用于从二维图像输入估计建筑特征。通过将 SDF 表示与语义模式集成，BuildNet3D 恢复建筑包线的细粒度三维几何和语义信息，这些信息随后用于自动提取建筑特征。我们的框架在复杂建筑结构上进行评估，展示了在估计窗墙比和建筑底图面积方面的高准确性和广泛适用性。结果凸显了 BuildNet3D 在建筑分析和改造中的实际应用效果。
引用
@article{arxiv.2410.22383,
title = {Exploiting Semantic Scene Reconstruction for Estimating Building Envelope Characteristics},
author = {Chenghao Xu and Malcolm Mielle and Antoine Laborde and Ali Waseem and Florent Forest and Olga Fink},
journal= {arXiv preprint arXiv:2410.22383},
year = {2024}
}