Resumen: En el proceso de diseño arquitectónico, el diseño del plano de piso es a menudo un proceso dinámico e iterativo. Los arquitectos dibujan progresivamente varias partes del plano de acuerdo con sus ideas y requisitos, ajustando y refinando continuamente a lo largo del proceso de diseño. Por lo tanto, la capacidad de predecir un plano completo de uno parcial tiene un valor significativo en el proceso de diseño. Dicha predicción puede ayudar a los arquitectos a generar rápidamente diseños preliminares, mejorar la eficiencia del diseño y reducir la carga de trabajo asociada con modificaciones repetidas. Para abordar esta necesidad, proponemos plano de piso, un marco de aprendizaje auto-supervisado para restaurar los planos de planta incompletos en los completos. Primero, desarrollamos un conjunto de datos de reconstrucción de plano de planta, plan de planta, específicamente entrenado en planos de planta arquitectónicos. En segundo lugar, proponemos un método de reconstrucción del plano de planta basado en autoencoders enmascarados (MAE), que reconstruye las piezas faltantes al enmascarar las secciones del plano y entrenar un transformador de visión ligero (VIT). Evaluamos la precisión de la reconstrucción del plano de piso y la comparamos con los puntos de referencia de última generación. Además, validamos el modelo utilizando bocetos reales de las primeras etapas del diseño arquitectónico. Los resultados experimentales muestran que el modelo de plano de piso puede generar planos de planta completos de alta calidad a partir de planes parciales incompletos. Este marco proporciona una solución escalable para la generación de plantas de planta, con amplias perspectivas de aplicaciones.
Publicado Originalme en rss.arxiv.org El 10 de junio de 2025.
Ver Fuente Original
