IFCNet: IFC 엔티티 분류를 위한 벤치마크 데이터셋

BIM(Building Information Modeling) 분야의 도메인별 소프트웨어 제품 간의 상호운용성과 정보 교환을 향상시키는 것은 건축, 공학, 건설 및 운영 산업에서 중요한 측면입니다. 최근 연구에서는 BIM 모델의 의미론적 풍부화를 위해 기계 학습과 딥 러닝 분야의 방법들을 조사하기 시작했습니다. 그러나 이러한 기계 학습 알고리즘의 학습과 평가는 충분히 크고 포괄적인 데이터셋이 필요합니다. 본 연구에서는 기하학적 정보와 의미론적 정보를 모두 포함하는 다양한 IFC 클래스에 걸친 단일 엔티티 IFC 파일로 구성된 데이터셋인 IFCNet을 소개합니다. 실험 결과, 객체의 기하학적 정보만을 사용하여 세 가지 다른 딥 러닝 모델이 좋은 분류 성능을 달성할 수 있음을 보여주었습니다.