[論文レビュー] ActFloor-GAN: Activity-Guided Adversarial Networks for Human-Centric Floorplan Design

Shidong Wang, Wei Zeng+4 more|arXiv (Cornell University)|Nov 5, 2021

Advanced Vision and Imaging参考文献 44被引用数 5

ひとこと要約

ActFloor-GANは、人間の活動マップをガイドとして用いる二段階のGANフレームワークを提案し、幾何学的に妥当でトポロジカルに整合性のある部屋の配置を生成する人間中心の住宅間取り設計を実現する。活動に配慮した監視と再定式化されたサイクル整合性損失を統合することで、本手法は、設計の正確性とユーザー制御可能な多様性を両立し、建築家による評価でもプロの設計と同等の水準を示した。

ABSTRACT

We present a novel two-stage approach for automated floorplan design in residential buildings with a given exterior wall boundary. Our approach has the unique advantage of being human-centric, that is, the generated floorplans can be geometrically plausible, as well as topologically reasonable to enhance resident interaction with the environment. From the input boundary, we first synthesize a human-activity map that reflects both the spatial configuration and human-environment interaction in an architectural space. We propose to produce the human-activity map either automatically by a pre-trained generative adversarial network (GAN) model, or semi-automatically by synthesizing it with user manipulation of the furniture. Second, we feed the human-activity map into our deep framework ActFloor-GAN to guide a pixel-wise prediction of room types. We adopt a re-formulated cycle-consistency constraint in ActFloor-GAN to maximize the overall prediction performance, so that we can produce high-quality room layouts that are readily convertible to vectorized floorplans. Experimental results show several benefits of our approach. First, a quantitative comparison with prior methods shows superior performance of leveraging the human-activity map in predicting piecewise room types. Second, a subjective evaluation by architects shows that our results have compelling quality as professionally-designed floorplans and much better than those generated by existing methods in terms of the room layout topology. Last, our approach allows manipulating the furniture placement, considers the human activities in the environment, and enables the incorporation of user-design preferences.

研究の動機と目的

• 幾何学的に妥当であり、人間の相互作用においてもトポロジカルに合理的な間取りを生成する課題に対処すること。
• 人間の活動パターンと空間的行動を間取り生成プロセスに統合し、設計の関連性と使いやすさを向上させること。
• 家具配置の操作によって人間の活動マップを変更し、それによって得られる間取りに影響を与えることで、ユーザーが設計を制御的に探求できるようにすること。
• 活動誘導による監視を通じて、深層学習モデルの一般化性能と解釈可能性を向上させ、建築的配置生成の分野において改善すること。
• 複雑で多層的なネットワークアーキテクチャへの依存を減らすために、統合的かつ活動にインスパイアされたGANフレームワークを導入すること。

提案手法

• まず、事前学習済みのGANを用いて自動的、または2Dインターフェースでの家具の操作を通じて半自動的に人間の活動マップが生成される。
• 人間の活動マップは空間的行動強度を符号化し、部屋の機能や相互作用パターンを反映しており、ActFloor-GANの条件付き入力として使用される。
• ActFloor-GANは、ピクセル単位の部屋タイプ予測の精度を向上させるとともに、配置の整合性を高めるために再定式化されたサイクル整合性制約を採用する。
• モデルはRPLANデータセット上で学習され、実世界の間取りを活用して現実的な部屋配置と壁の配置を学習する。
• 部屋の配置はピクセル単位で予測され、活動密度のピークから導出されるドア配置に基づく後処理を経てベクトル化された間取りに変換される。
• 家具の再配置や種別変更によって人間の活動マップを変化させることで、多様な出力をサポートする。

実験結果

リサーチクエスチョン

• RQ1 人間の活動マップは、トポロジカルかつ幾何学的に妥当な間取りの生成を効果的にガイドできるか？
• RQ2 活動誘導による監視は、ベースラインのGANと比較して、ピクセル単位の部屋タイプ予測の正確性をどの程度向上させるか？
• RQ3 家具配置のユーザー操作が、多様で設計的に関連性のある間取りの変化をどの程度引き起こせるか？
• RQ4 再定式化されたサイクル整合性制約は、間取り生成におけるGANの性能をどの程度向上させるか？
• RQ5 建築家による評価において、生成された間取りはプロの設計と同等の品質に達しているか？

主な発見

• 人間の活動マップは、Pix2Pix や CycleGAN などのベースラインモデルと比較して、特に台所とバスルームなど類似した部屋タイプを区別する際の予測正確性を顕著に向上させる。
• 建築家による評価では、ActFloor-GANの出力は説得力があり、プロの設計と同等の品質であり、配置のトポロジーにおいて既存手法を上回った。
• モデルは活動密度のピークを特定することでドア位置を正確に予測できており、これはドア位置と強く相関している。
• 強力な性能を発揮する一方で、マスターリビングルーム、スタディールーム、サブルームなど、細かめの区別には誤認識が生じる場合があり、活動マップによる表現に限界があることが示された。
• 複数のバルコニーがリビングルームに接続されたようなレアな構成では、学習データの分布が疎であるため、ノイズの多い予測が発生する。
• 家具の削除や再配置といった人間の活動マップの変更は、予測可能で意味のある配置変更を引き起こすが、モデルの非線形性のため、微小な摂動が常に望ましい結果をもたらすとは限らない。