要約
建築設計分野は、自動化を通じて従来の手法を革新することを目指し、先進的な計算手法の統合へと変革的転換を遂げつつある。その中でも特に重要な要素が、フロアプラン認識の自動化である。このタスクは、フロアプランのスタイルが多様であることや、学習ベースの手法に必要な大規模なアノテーション付きデータセットの不足という課題に直面している。特に、標準化された可視化ルールや専門的なアノテーション知識が欠如していることが、データの収集と処理を困難にしている。本研究では、弱教師ありと未教師ありの画像を統合する、新しいスクリブルベースの半弱教師ありフレームワークを提案する。このフレームワークは、アノテーションプロセスを簡素化しつつ、詳細な情報を保持することができる。さらに、多様な建築スタイルとカテゴリをカバーするフロアプラン画像解析のための新規ベンチマークデータセットを提供する。提案するフレームワークを用いた実験により、解析精度とモデルの適応性が顕著に向上し、従来の最先端手法を大きく上回ることが確認された。