[論文レビュー] Deep Reinforcement Learning for Producing Furniture Layout in Indoor Scenes

Xinhan Di, P. L. Yu|arXiv (Cornell University)|Jan 19, 2021

Building Energy and Comfort Optimization参考文献 25被引用数 4

ひとこと要約

本稿では、室内家具配置をマルコフ決定過程（MDP）として定式化する深層強化学習（DRL）フレームワークを提案する。これにより、家具の位置とサイズを同時に最適化できる。独自のシミュレータでエージェントを訓練することで、最先端の生成モデルと比較して配置と寸法の両方において顕著に高い正確性を達成し、実世界の産業用データセットにおいて最大0.962のIoUスコアを達成した。

ABSTRACT

In the industrial interior design process, professional designers plan the size and position of furniture in a room to achieve a satisfactory design for selling. In this paper, we explore the interior scene design task as a Markov decision process (MDP), which is solved by deep reinforcement learning. The goal is to produce an accurate position and size of the furniture simultaneously for the indoor layout task. In particular, we first formulate the furniture layout task as a MDP problem by defining the state, action, and reward function. We then design the simulated environment and train reinforcement learning agents to produce the optimal layout for the MDP formulation. We conduct our experiments on a large-scale real-world interior layout dataset that contains industrial designs from professional designers. Our numerical results demonstrate that the proposed model yields higher-quality layouts as compared with the state-of-art model. The developed simulator and codes are available at \url{https://github.com/CODE-SUBMIT/simulator1}.

研究の動機と目的

• 産業的インテリアデザインにおける既存の生成モデルが、家具の寸法と位置を近似的にしか生成できないという限界を解消すること。
• プロフェッショナルデザイナーの順次的かつ反復的な意思決定プロセスをマルコフ決定過程（MDP）としてモデル化すること。
• DRLエージェントの訓練と評価を支援するシミュレーション環境を開発すること。
• 高品質な室内シーン配置を実現するため、家具の位置とサイズを同時に最適化する深層強化学習エージェントを訓練すること。
• 実世界の産業的デザインデータにおいて、既存の最先端モデルを質的および定量的に上回ること。

提案手法

• 家具配置タスクを、明確に定義された状態、行動、報酬関数を持つマルコフ決定過程（MDP）として形式化する。
• DRLエージェントの訓練と評価を制御された環境で行えるよう、独自のインテリアシーンシミュレータを開発する。
• DRLエージェントは、視覚的状態表現を処理し、行動を選択するために畳み込み層および全結合層を備えた深層Qネットワーク（DQN）を用いる。
• 行動には、部屋空間内で離散的なステップで家具の位置（x, y）とサイズ（幅、高さ）を調整することが含まれる。
• 報酬関数は、予測された家具配置と真値配置の間のオーバーラップ割合（IoU）を最大化することを目的として設計されている。
• 学習の安定化のため、ターゲットネットワークと経験再生を採用しており、Q値推定用とターゲット値予測用の別々のネットワークが使用されている。

実験結果

リサーチクエスチョン

• RQ1 深層強化学習は、プロフェッショナルインテリアデザイナーの家具配置における順次的意思決定プロセスを効果的にモデル化できるか？
• RQ2 DRLエージェントは、シミュレートされたインテリア環境において、家具の位置とサイズを高い正確性ですべて同時に最適化できるか？
• RQ3 提案手法のDRLベースの配置生成手法は、位置と寸法の両面で、最先端の生成モデルと比較してIoUの観点でどのように差をつけるか？
• RQ4 訓練済みエージェントは、初期家具配置がランダムな状況でも真値配置に収束できるか？
• RQ5 独自のシミュレータは、産業的インテリアデザイン応用における現実的かつスケーラブルな訓練をどの程度サポートできるか？

主な発見

• 提案されたDRLモデルは、ダイニングルームで平均IoUが0.962、バルコニーで0.961を達成し、最先端のモデルを著しく上回った。
• モデルは正確な寸法と位置を持つ家具配置を生成する一方、ベースラインモデルは寸法を近似的にしか予測しない。
• 2,000件のランダムな初期位置での評価において、エージェントは真値配置に家具を正常に移動させ、初期化に強いことを示した。
• ベッドルーム、バスルーム、キッチン、畳部屋を含む8種類の部屋タイプにおいて、本手法は常に既存の生成モデルを上回った。
• シミュレータとコードは https://github.com/CODE-SUBMIT/simulator1 で公開されており、再現性とさらなる研究を支援している。
• 全評価対象部屋タイプにおいて最高のIoUを達成し、スコアは0.956から0.962の範囲に収まっており、強力な汎化性能と正確性を示している。