符号即点：基于点表示的全景符号识别

本工作研究了全景符号识别问题，即从计算机辅助设计（CAD）图纸中识别并解析可数的对象实例（窗户、门、桌子等）和不可数的填充物（墙壁、栏杆等）。现有方法通常要么将矢量图形光栅化为图像并使用基于图像的方法进行符号识别，要么直接构建图并使用图神经网络进行符号识别。在本文中，我们采用了一种不同的方法，将图形基元视为一组局部连接的2D点，并使用点云分割方法来解决该问题。具体而言，我们利用点Transformer提取基元特征，并附加一个类mask2former的识别头来预测最终输出。为了更好地利用基元的局部连接信息并增强其判别能力，我们进一步提出了注意力连接模块（ACM）和对比连接学习方案（CCL）。最后，我们为识别头的掩码注意力模块提出了一种KNN插值机制，以更好地处理基元掩码下采样，这与图像的像素级下采样不同，它是基元级的。我们的方法命名为SymPoint，简单而有效，在FloorPlanCAD数据集上比最近的最先进方法GAT-CADNet绝对提升了9.6%的PQ和10.4%的RQ。源代码和模型将发布于 https://github.com/nicehuster/SymPoint。