BIM原生标记化增强房间布局合成

研究人员开发了一种新颖的BIM原生标记化方法，用于在建筑信息模型（BIM）场景中合成房间布局。该方法将每个房间编码为一系列BIM-Token Bundles，将分类和连续属性统一为单个标记向量。与现有基线相比，在受控基准测试中，以编码器专用和编码器-解码器模式训练的Transformer模型表现出优越的性能，突显了领域特定模型在约束感知空间生成方面的有效性。 AI

影响 引入了一种领域特定的标记化方法，可以提高AI理解和生成复杂空间设计的能力。

排序理由 详细介绍BIM中空间生成新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• Atissa
• BIM-Native Tokenization
• BIM-Token Bundles
• BLT
• building information modeling
• Data-Driven Entity Prediction
• International Conference on Digital Documents and Electronic Publishing
• Manuel Ladrón de Guevara e Isasa
• Transformer++
• Vision--Language Models

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →