建筑分词化：面向布局合成的 Transformer 架构

我们提出 Small Building Model (SBM)，这是一种用于建筑信息模型 (BIM) 场景下布局合成的 Transformer 架构。我们聚焦于如何通过统一建筑要素的异构特征集合为序列，同时保持构成结构。这些特征集合表示为稀疏属性-特征矩阵，捕获房间属性。我们设计了统一的嵌入模块，学习类别特征与可能相关的连续特征组的联合表征。最后，我们在两种模式下训练单个 Transformer 主干网络：一种是仅编码器路径，可获得高保真的房间嵌入；另一种是编码器-解码器管线，用于自回归预测住宅房间实体，称为数据驱动实体预测 (DDEP)。在检索与生成布局合成实验中，SBM 学习紧凑的房间嵌入，可靠地按类型与� 拓扵进行聚类，实现强语义检索。在 DDEP 模式下，SBM 产生功能完善的布局，碰撞与边界违规更少，导航性更好，超越通用 LLM/VLM 基线和最新领域特定方法。