基于改进语义分割的多单元平面图识别与重建
计算机视觉与模式识别
2024-08-06 v1
摘要
数字孪生器在紧急规划中具有重要潜力，能够更高效地设计逃生路线、在异常情况下提供更好的定位，并实现更快的救援介入。然而，由于缺乏可用于新建筑物的3D表示，这些孪生器的创建仍依赖大量手动工作。因此，本文旨在从常用的二维建筑平面图合成3D信息。我们提出了两种基于MDA-Unet和MACU-Net架构的新颖像素级分割方法，改进了跳跃连接、引入注意力机制，并构建了包含向量化分割平面图以创建3D模型的训练目标和重建管道。我们的方法与两种其他最新技术以及多个基准数据集进行了比较。在常用的CubiCasa基准数据集上，我们的方法在五个被检查的类别上实现了0.86的平均F1分数，优于测试的其他像素级方法。我们还公开了代码以支持该领域的研究。
引用
@article{arxiv.2408.01526,
title = {Multi-Unit Floor Plan Recognition and Reconstruction Using Improved Semantic Segmentation of Raster-Wise Floor Plans},
author = {Lukas Kratochvila and Gijs de Jong and Monique Arkesteijn and Simon Bilik and Tomas Zemcik and Karel Horak and Jan S. Rellermeyer},
journal= {arXiv preprint arXiv:2408.01526},
year = {2024}
}