| 논문명 |
딥러닝과 경로계획 기반의 주택 평면도 3D 모델링 방법 / Leveraging Deep Learning and Path Planning Techniques for 3D ModelingFrom House Floor Plans |
| 저자명 |
미아오쉬(Miao, Xu) ; 엄신조(Eom, Shin-Jo) |
| 수록사항 |
대한건축학회논문집, Vol.40 No.1 (2024-01) |
| 주제어 |
딥러닝; 경로계획 알고리즘; 벡터화; 도면해석; 3D 모델링 ; Deep Learning; Path Planning Algorithm; Vectorization; Floor Plan Analysis; 3D modeling |
| 요약1 |
최근 BIM 기술의 대중화로 인해 과거에 사용되던 건축평면도를 BIM기반의 3D 모델로 변환해야 할 필요성이 높아지고 있다. 따라서 학자들은 건축평면도를 3D 모델로 변환하는 다양한 방법을 제안해 왔으며, 그중에서도 딥러닝 기술을 기반으로 한 방법이 가장 주목받고 있다. 딥러닝 기술을 기반으로 한 방법에는 일반적으로 정보 분할과 데이터 벡터화가 포함된다. 현재, 일반화 효율이 높은 딥러닝 기술 활용 및 벽선을 빠르게 벡터화하는 방법에 대한 연구는 부족한 실정이다. 따라서 본 연구는 IN(Instance Normalization)과 IW(Instance Whitening) 기반의 딥러닝으로 정보 분할 부분의 일반화 능력을 높이고, 경로 계획 기반의 제안된 벡터 생성 알고리즘을 통해 벽선을 빠르게 생성하는 방법을 제시하였다. 이를 통해 축적된 2D기반 건축도면을 3D로 효율적으로 변환하여 다양한 건축프로세스를 향상시킬 수 있는 BIM기반 자동화 방안을 강구할 수 있다. |
| 요약2 |
The surge in BIM technology's popularity has heightened the demand for transforming traditional architectural floor plans into BIM-oriented
3D models. To address this, scholars have introduced diverse methods for this conversion, with those leveraging deep learning technology
garnering significant attention. Deep learning-based approaches typically encompass information segmentation and data vectorization. However,
the current research landscape lacks exploration into optimizing deep learning technology for high generalization efficiency and promptly
vectorizing wall lines. This study enhances the generalization capability of information segmentation in deep learning by incorporating Instance
Normalization (IN) and Instance Whitening (IW). Additionally, it introduces a method for swiftly generating wall lines through a proposed
vector generation algorithm rooted in path planning. This enhancement facilitates the creation of a BIM-centric automation process,
streamlining the conversion of accumulated 2D architectural drawings into efficient 3D models. |
