HouseDiffusion：基于离散与连续去噪扩散模型的矢量平面图生成
计算机视觉与模式识别
2022-11-28 v1 人工智能
摘要
本文提出了一种通过扩散模型进行矢量平面图生成的新型方法，该方法对房间/门拐角的二维坐标进行去噪，具有两个推断目标：1）将单步噪声作为连续量以精确反演连续前向过程；2）将最终二维坐标作为离散量以建立平行、正交和拐角共享等几何关联关系。我们的任务是图条件平面图生成，这是平面图设计中的常见流程。我们将平面图表示为一维多边形环，每个环对应一个房间或一扇门。我们的扩散模型以 Transformer 架构为核心，基于输入图约束控制注意力掩码，并通过离散与连续去噪过程直接生成矢量图形平面图。我们在 RPLAN 数据集上评估了我们的方法。所提方法在所有指标上相较最先进方法均取得显著改进，且差距明显，同时能够生成非曼哈顿结构并精确控制每个房间的拐角数量。包含补充视频和文档的项目网站见 https://aminshabani.github.io/housediffusion。
引用
@article{arxiv.2211.13287,
title = {HouseDiffusion: Vector Floorplan Generation via a Diffusion Model with Discrete and Continuous Denoising},
author = {Mohammad Amin Shabani and Sepidehsadat Hosseini and Yasutaka Furukawa},
journal= {arXiv preprint arXiv:2211.13287},
year = {2022}
}