.png){kind=icon}
返回
A multibranch and multiattention framework for floor plan segmentation
.png){kind=icon}
OA
AI
DOI：10.1111/mice.70030.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动化平面图分析在建筑学、城市规划及室内设计领域至关重要。平面图分割是表面面积估算和三维建筑重建等任务的基础步骤。然而，平面图图像的自动语义分割面临独特挑战，包括高类间相似性、模糊的房间边界以及多样化的平面图风格。我们提出了一种新颖的多分支和多注意力框架用于深度平面图分割，专门设计用于处理类间相似性、模糊房间边界和多样化建筑风格的挑战。我们的方法利用分支内通道注意力和跨分支位置注意力来优化边界识别和房间类型分割，显著提升了多个数据集上的鲁棒性和准确性。通过在栅格到矢量（R2V）和R3D数据集上的大量实验，我们展示了该方法如何为平面图分割树立新的最佳水平，同时超越了一般用途和专业模型。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
C
IF:
9.1
论文数:
2.0K
被引数:
10.0K
机构
引用论文
.png){kind=icon}
查看更多内容